Cost‐saving analysis for adopting Anti‐Amyloid Therapies for Alzheimer's Disease
Notice bibliographique
Résumé
BACKGROUND: Anti-amyloid drugs hold promise in delaying clinical stages of dementia, though they may be rarely used in Low and Middle-Income Countries (LMIC) due to treatment costs. Herein, we aimed to evaluate the potential cost-savings associated with the use of Donanemab for Alzheimer's Disease (AD) in the perspective of the Brazilian healthcare system. METHOD: We conducted a systematic review of studies estimating the costs of dementia stages in Brazil between 1997 and 2024. Key terms included costs and cost analyses; Alzheimer's Disease; Dementia; and Brazil. Costs of Donanemab were sourced from industry reports, and a cost-saving analysis compared healthcare costs for managing mild and moderate AD. The treatment's efficacy was evaluated based on performance in the Clinical Dementia Rating scale, considering that the treatment is able to delay the progression between mild and moderate dementia stages by an average of 5.3 months. RESULT: Three studies evaluating costs of dementia in Brazil were retrieved in the systematic review (Figure 1), with a cost associated with dementia ranging from USD 536.27 to USD 1,376.28. Monthly costs for mild, moderate, and severe dementia stages were estimated at USD 1,000, USD 1,700, and USD 1,372, respectively (Table 1). The cost of Donanemab treatment (18 months) was estimated at USD 48,696, along with approximately USD 720 for the six magnetic resonance imaging exams required during the treatment period. Reducing progression from a patient with mild to moderate dementia stage for 5.3 additional months can reduce the cost of approximately USD 3,710 (USD 700 per month). For the total 18-month treatment period, the cost saving threshold to make anti-amyloid economically viable in Brazil would be estimated around USD 210 monthly, or a total cost of USD 3,780. CONCLUSION: Anti-amyloid treatment in Brazil can collaborate to reduce Dementia costs in Brazil and, potentially, become a cost-effective strategy. Transposing the results presented here to the estimated number of AD patients in Brazil of 1.2 million people emphasizes the potential economic implications in terms of public policies and the healthcare system as a whole.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,012 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».