P62 - Modélisation médico-économique de la toxine botulique dans la prise en charge des dysménorrhées sévères
Bibliographic record
Abstract
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".