A szívkoszorúér-betegség korai észlelésének gazdasági szimulációs modellje

Absztrakt:

A kardiovaszkuláris megbetegedés, a koszorúér betegség (CAD) első számú halálozási ok világszerte. Az állapot a szívizomzat vér-, és így az oxigénellátásának csökkenésével jár. A publikált klinikai adatok alapján a GE Healthcare olyan egészség-gazdasági modellt fejlesztett ki, amely megvizsgálja az anginában szenvedő CAD-betegek diagnosztizálásához és értékeléséhez használt különböző stratégiákat. Az alapstratégiák és alternatív stratégiák összehasonlíthatók az eltérő diagnosztikai modalitások meghatározásán keresztül. A páciensek vizsgálatok előtti CAD-prevalenciája alapján az eszköz lehetővé teszi az országos vagy regionális egészségügyi hatóságok, kórházak vagy kórházhálózat tervezők, kórházi vezetők számára, hogy kiértékeljék, a diagnosztikus hatékonyság és költségek szintjén adott alternatív diagnosztikai eljárások milyen hatással járhatnak. A potenciális diagnosztikus stratégiák, hatásuk a költségekre, intézményi kihasználtságra és a diagnózis pontosságára vonatkoztatva egyeztethetők az orvosokkal. A modell jól demonstrálja, hogy a diagnosztikai stratégiák megfelelő használata, a helyi népességre optimalizálva és a modern kadiológiai osztály számára rendelkezésre álló valamennyi diagnosztikus modalitást magába foglalva, költséghatékony megoldást nyújthat az osztály kapacitásának és kihasználtságának javítására. A modell továbbá demonstrálja, hogy a kivizsgálás előtti kockázat alapján megfelelő és releváns stratégiák megalkotásával pozitív hatás érhető el a CAD-páciensek kezelésében és az osztály hatékonyságában.

Abstract:

Cardiovascular Disease where Coronary artery disease (CAD) is the major disease state is the leading cause of mortality in the world. The condition causes reduction of blood, or equivalently oxygen supply to the heart muscle. With the assumptions derived from clinically published data, GE Healthcare has developed a health economics model that examines the different strategies, which may be used to diagnose and assess CAD patients with angina. A baseline set of strategies can then be compared with alternative strategies, by defining a set of different diagnostic modalities. Based on a cohort of patient’s pre-test prevalence of CAD, this tool provides national, or regional health care authorities, hospital or hospital network planners, hospital administrations, and hospital operation managers with the opportunity to assess what effect alternative diagnostic strategies have on the level of diagnostic efficiency and costs. For example, a hospital facility planner can engage with physicians when reviewing potential diagnostic strategies and their impact on costs, facility utilisation, and diagnostic accuracy. The model demonstrates that the appropriate use of diagnostic strategies, optimised for the local population, and incorporating all of the diagnostic modalities available to a modern cardiology department, can provide a cost-effective way of improving the capacity and utilisation of the department. This model demonstrates that designing suitable and relevant strategies based on pre-test risk can have a positive influence on the management of CAD patients and the efficiency of the department.