Cost-Effectiveness of Population Screening Programs for Cardiovascular Diseases and Diabetes in Low- and Middle-Income Countries: A Systematic Review
Notice bibliographique
Résumé
Almost all low- and middle-income countries (LMICs) have instated a program to control and manage non-communicable diseases (NCDs). Population screening is an integral component of this strategy and requires a substantial chunk of investment. Therefore, testing the screening program for economic along with clinical effectiveness is essential. There is significant proof of the benefits of incorporating economic evidence in health decision-making globally, although evidence from LMICs in NCD prevention is scanty. This systematic review aims to consolidate and synthesize economic evidence of screening programs for cardiovascular diseases (CVD) and diabetes from LMICs. The study protocol is registered on PROSPERO (CRD42021275806). The review includes articles from English and Chinese languages. An initial search retrieved a total of 2,644 potentially relevant publications. Finally, 15 articles (13 English and 2 Chinese reports) were included and scrutinized in detail. We found 6 economic evaluations of interventions targeting cardiovascular diseases, 5 evaluations of diabetes interventions, and 4 were combined interventions, i.e., screening of diabetes and cardiovascular diseases. The study showcases numerous innovative screening programs that have been piloted, such as using mobile technology for screening, integrating non-communicable disease screening with existing communicable disease screening programs, and using community health workers for screening. Our review reveals that context is of utmost importance while considering any intervention, i.e., depending on the available resources, cost-effectiveness may vary-screening programs can be made universal or targeted just for the high-risk population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».