Évaluation pharmacoéconomique des thérapies efficaces et dispendieuses en prévention des maladies cardiovasculaires
Bibliographic record
Abstract
Les maladies cardiovasculaires (MCV) ont une prévalence élevée dans le monde et sont considérées comme la deuxième cause de mortalité chez la population canadienne. Les statines sont reconnues comme le traitement par excellence dans la prévention des MCV. Toutefois, les statines ne conviennent pas à tous les patients, potentiellement, en raison de la survenue d’effets secondaires et du manque d’efficacité. Avec l’avancement de la science, de nouvelles thérapies voient le jour dans le milieu cardiovasculaire. Les inhibiteurs de la proprotéine convertase subtilisine-kexine de type 9 PCSK9 (iPCSK9) constituent un traitement efficace pour réduire les évènements cardiovasculaires. Cependant, ces thérapies sont dispendieuses pour le système de santé. Cette thèse a pour but d’explorer la pharmacoéconomie des thérapies dispendieuses ayant démontrées une efficacité clinique importante dans le traitement préventif des MCV. La pharmacoéconomie est un outil d’évaluation destiné aux décideurs ayant comme objectif d’optimiser l’utilisation des ressources humaines et financières. Tout d’abord, dans un premier article, nous avons évalué l’efficacité maximale d’une thérapie hypolipémiante à partir des grilles de risque cardiovasculaires. Selon les résultats obtenus, l’efficacité maximale qu’il est raisonnable d’espérer a correspondu à une diminution du risque relatif variant entre 0,46 et 0,66. Ensuite, dans un deuxième article, nous avons estimé l’efficacité d’une thérapie dispendieuse dans un contexte différent puisque les études cliniques étaient en cours. Avec l’aide d’un modèle de Markov, la propension à payer a été fixée à deux seuils distincts, alors que le coût d’acquisition de la thérapie est demeuré fixe. Nos résultats ont estimé que pour atteindre les seuils de propension à payer de 50 000 $ et 100 000 $ par année de vie ajustée pour la qualité, l’efficacité devrait être de 0,58 et 0,78 respectivement. Finalement, l’étude randomisée contrôlée établissant l’efficacité clinique des iPCSK9 a été publiée. Nous avons donc pu évaluer le coût-utilité réel des iPCSK9 avec une nouvelle méthode de simulation, nommée Conditions et évènements discrètement intégrés. Cette étude est l’objet 2 de mon troisième article. Les résultats de cet article ont estimé que l’iPCSK9 n’est pas coût-efficace selon l’efficacité obtenue dans les études cliniques. En conclusion, suite aux résultats présentés dans cette thèse rédigée par articles, il serait envisageable d’intégrer dans le modèle pharmacoéconomique l’option d’un test génétique afin d’individualiser le traitement de chaque patient.
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 | 0.009 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".