Cost-effectiveness of self-management methods for the treatment of chronic pain in an aging adult population: a systematic review of the literature
Notice bibliographique
Résumé
Objective: To determine the cost-effectiveness of self-management techniques for older populations (65 and over) with chronic pain and in the absence of such evidence to investigate this question in an aging adult population (average age 60 and over). \n \nMethods: Systematic review of randomized controlled trials (RCTs) with cost-effectiveness data and at least 6 months’ follow-up, up to December 2010. \n \nResults: No RCT studies reported cost-effectiveness of self-management exclusively in the over 65 age group. Ten RCTs reported participants with an average age of 60 years or over and met all other inclusion criteria. All of these studies measured cost-effectiveness as cost per improvement in primary outcome, 7 of them using the Western Ontario and McMaster Universities Osteoarthritis Index score, of which 6 reported the pain dimension. Six studies reported cost per quality-adjusted life year (QALY)-gained information, with a further 1 reporting EQ-5D. In 7 studies, relative to usual care, self-management was effective, and in the remaining 3 studies, there was no significant difference. Among those reporting cost per QALY-gained results, self-management did not lead to statistically significant QALY gains relative to usual care (with only one exception). Eight studies suggested that the cost of developing and delivering self-management interventions may be partly offset by savings from reduced subsequent health care resource use. \n \nConclusions: Self-management is effective among an aging adult population (mean age over 60) with chronic pain and may be cost-effective when outcomes are measured using the Western Ontario and McMaster Universities Osteoarthritis Index pain score. Cost-effectiveness is less certain when measured using the QALY metric. Uncertainty over conclusions regarding cost-effectiveness exists partly due to lack of information regarding societal willingness to pay for pain improvement. There is a need for large multicentred high-quality RCTs to confirm the findings of this review exclusively among older aged populations, such as those who have already reached the statutory retirement age.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».