Évaluation économique d'antidotes pour le renversement des nouveaux anticoagulants oraux en contexte de chirurgie d'urgence et de saignement majeur non contrôlé
Bibliographic record
Abstract
Il n’existe présentement aucun traitement pour renverser l’effet des anticoagulants oraux directs (AODs) si une hémorragie survient ou si une intervention chirurgicale d’urgence est nécessaire. Trois antidotes aux AODs sont présentement en développement clinique et pourront éventuellement inverser l’effet anticoagulant des AODs. L’objectif de cette étude était d’évaluer l’impact économique d’un antidote pour le renversement de l’effet anticoagulant des AODs en situation de saignement majeur non contrôlé et avant une chirurgie et/ou procédure invasive d’urgence. Deux modèles économiques ont été construits afin d’évaluer le ratio coût-utilité incrémental (RCUI) d’un antidote aux AODs en comparaison à l’approche de gestion d’un saignement majeur standard et la prophylaxie préopératoire standard. Le RCUI d’un antidote a été déterminé en supposant une variation du coût de l’antidote allant de 1 000 $ à 10 000 $. Pour le renversement des AODs lors de saignement majeur, l’antidote est associé à un RCUI variant de 45 187 $/QALY à 102 767 $/QALY selon une perspective du système de soins québécois et un RCUI variant de 48 812 $/QALY à 106 392 $/QALY selon une perspective sociétale. En comparaison avec la prophylaxie courante, l’antidote est associé à un RCUI variant de dominant à 10 934 $/QALY selon une perspective du système de soins et un RCUI restant dominant selon une perspective sociétale, pour un prix de 1 000 $ et 10 000 $ respectivement. Cette étude économique démontre qu’un antidote aux AODs serait une stratégie rentable lorsque comparé à la prise en charge d’un saignement majeur standard et la prophylaxie préopératoire standard.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.021 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.006 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".