MétaCan
Menu
Back to cohort
Record W4396780077 · doi:10.1016/j.jeph.2024.202502

P62 - Modélisation médico-économique de la toxine botulique dans la prise en charge des dysménorrhées sévères

2024· article· fr· W4396780077 on OpenAlexaff
JM. Kouame, JR Guertin, Éric Bautrant, C. Leveque, Carole Siani

Bibliographic record

VenueJournal of Epidemiology and Population Health · 2024
Typearticle
Languagefr
FieldNeuroscience
TopicHereditary Neurological Disorders
Canadian institutionsUniversité LavalCentre hospitalier de l'Université Laval
Fundersnot available
KeywordsPhysics

Abstract

fetched live from OpenAlex

La dysménorrhée primaire touche 60 à 91 % des femmes, dont 16 à 29 % présentent une forme très sévère. Plusieurs études longitudinales ont révélé que les taux d'absentéisme varient de 34 à 50 % et que 10 à 30 % des femmes en activité perdent un à deux jours de travail par mois. Cela représente une perte annuelle de 600 millions d'heures de travail, soit environ deux milliards de dollars par an aux USA. Face à ces douleurs dégradant la qualité de vie des patientes, la toxine botulique (BoNT), est utilisé par le Centre de recherche en santé des femmes (CRSF) pour assurer la prise en charge des dysménorrhées sévères. Selon de nombreuses études la BoNT favorise une amélioration des douleurs pelviennes et de la qualité de vie en revanche la BoNT est coûteuse et non remboursée par l'Assurance maladie. Notre objectif est d'évaluer l'efficience et l'impact budgétaire de la BoNT à partir d'un modèle de Markov. Un modèle de Markov a été développé pour estimer l'efficience sur 10 ans et l'impact budgétaire lors des cinq premières années de l'introduction de la BoNT. Les principaux états de santé du modèle sont définis à partir de l’échelle visuelle analogique (EQ-VAS) (Fig. 1). Les paramètres du modèle sont estimés à partir de la cohorte des patients du CRSF. Seuls les coûts directs ont été pris en compte dans l'analyse coût-utilité (ACU) et l'analyse d'impact budgétaire (AIB). Des analyses de sensibilité déterministes et probabilistes ont été réalisées pour évaluer la robustesse de nos résultats. A un an, les coûts et les QALYs de la BoNT versus TC étaient respectivement : 1895,65 € versus 3055,20 € et 2,03 QALYs versus 1,23 QALYs. Ainsi, le RCUI égal à - €1651,5 € / QALY, démontre que, bien que les coûts initiaux de la BoNT soient plus élevés que ceux du TC, la diminution des coûts de suivi associés à une efficacité de la BoNT à long terme, en font l'option la plus efficace et dominante à 1, 5, 10 ans (Tableau 1). Les analyses de sensibilité montrent que quel que soit le scénario, la BoNT est une stratégie efficiente (Tableau 2). En outre, au seuil de 30 000 €/QALY la BoNT est efficiente à 100 % (Fig. 2) et l'impact net était égal à 98 091 098 €, lorsque tous les patients en échec des TC recevaient la BoNT (Fig. 3). A ce jour, il n'existe aucun traitement efficace pour les dysménorrhées sévères. Ainsi, la BoNT offre des possibilités considérables d'amélioration de la qualité de vie et de réduction des coûts. Elle est donc la stratégie la plus efficiente.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.071
Threshold uncertainty score0.142

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.005
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0080.001

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.

Opus teacher head0.081
GPT teacher head0.381
Teacher spread0.300 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueJournal of Epidemiology and Population HealthSame topicHereditary Neurological DisordersFrench-language works237,207