Ira L Leeds1, Emmanuel F Drabo2, Lisa Soleymani Lehmann3, Bashar Safar1, Fabian M Johnston1. 1. Department of Surgery, The Johns Hopkins University School of Medicine, Baltimore, Maryland. 2. Department of Health Policy and Management, Johns Hopkins University Bloomberg School of Public Health, Baltimore, Maryland. 3. VA New England Healthcare System, Harvard Medical School, and Harvard T.H. Chan School of Public Health, Boston, Massachusetts.
Abstract
BACKGROUND: Reports suggest that preoperative optimization of a patient's serious comorbidities is associated with a reduction in postoperative complications. OBJECTIVE: The purpose of this study was to assess the cost and benefits of preoperative optimization, accounting for total costs associated with postoperative morbidity. DESIGN: This study is a decision tree cost-effectiveness analysis with probabilistic sensitivity analysis (10,000 iterations). SETTING: This is a hypothetical scenario of stage II colon cancer surgery. PATIENT: The simulated 65-year-old patient has left-sided, stage II colon cancer. INTERVENTION: Focused preoperative optimization targets high-risk comorbidities. OUTCOMES: Total discounted (3%) economic costs (US $2018), effectiveness (quality-adjusted life-years), incremental cost-effectiveness ratio (incremental cost-effectiveness ratio, cost/quality-adjusted life-years gained), and net monetary benefit. RESULTS: We calculated the per individual expected health care sector total cost of preoperative optimization and sequelae to be $12,395 versus $15,638 in those not optimized (net monetary benefit: $1.04 million versus $1.05 million). A nonoptimized patient attained an average 0.02 quality-adjusted life-years less than one optimized. Thus, preoperative optimization was the dominant strategy (lower total costs; higher quality-adjusted life-years). Probabilistic sensitivity analysis demonstrated 100% of simulations favoring preoperative optimization. The breakeven cost of optimization to remain cost-effective was $6421 per patient. LIMITATIONS: Generalizability must account for the lack of standardization among existing preoperative optimization efforts, and decision analysis methodology provides guidance for the average patient or general population, and is not patient-specific. CONCLUSIONS: Although currently not comprehensively reimbursed, focused preoperative optimization may reduce total costs of care while also reducing complications from colon cancer surgery. See Video Abstract at http://links.lww.com/DCR/B494. EN TODO CASO ANLISIS DE RENTABILIDAD DE LOS ESFUERZOS LIMITADOS DE OPTIMIZACIN PREOPERATORIA ANTES DE LA CIRUGA DE CNCER DE COLON: ANTECEDENTES:Los informes sugieren que la optimización preoperatoria de las comorbilidades graves de un paciente se asocia con una reducción de las complicaciones postoperatorias.OBJETIVO:El propósito de este estudio fue evaluar el costo y los beneficios de la optimización preoperatoria, teniendo en cuenta los costos totales asociados con la morbilidad postoperatoria.DISEÑO:Análisis de costo-efectividad de árbol de decisión con análisis de sensibilidad probabilístico (10,000 iteraciones).AJUSTE ENTORNO CLINICO:Escenario hipotético Cirugía de cáncer de colon en estadio II.PACIENTE:Paciente simulado de 65 años con cáncer de colon en estadio II del lado izquierdo.INTERVENCIÓN:Optimización preoperatoria enfocada dirigida a comorbilidades de alto riesgo.RESULTADOS:Costos económicos totales descontados (3%) (US $ 2018), efectividad (años de vida ajustados por calidad [AVAC]), relación costo-efectividad incremental (ICER, costo / AVAC ganado) y beneficio monetario neto (NMB).RESULTADOS:Calculamos que el costo total esperado por sector de atención médica individual de la optimización preoperatoria y las secuelas es de $ 12,395 versus $ 15,638 en aquellos no optimizados (NMB: $ 1.04 millones versus $ 1.05 millones, respectivamente). Un paciente no optimizado alcanzó un promedio de 0.02 AVAC menos que uno optimizado. Por lo tanto, la optimización preoperatoria fue la estrategia dominante (menores costos totales; mayores AVAC). El análisis de sensibilidad probabilístico demostró que el 100% de las simulaciones favorecían la optimización preoperatoria. El costo de equilibrio de la optimización para seguir siendo rentable fue de $ 6,421 por paciente.LIMITACIONES:La generalización debe tener en cuenta la falta de estandarización entre los esfuerzos de optimización preoperatorios existentes y esa metodología de análisis de decisiones proporciona una guía para el paciente promedio o la población general, no específica del paciente.CONCLUSIONES:Si bien actualmente no se reembolsa de manera integral, la optimización preoperatoria enfocada puede reducir los costos totales de la atención y al mismo tiempo reducir las complicaciones de la cirugía de cáncer de colon. Consulte Video Resumen en http://links.lww.com/DCR/B494.
BACKGROUND: Reports suggest that preoperative optimization of a patient's serious comorbidities is associated with a reduction in postoperative complications. OBJECTIVE: The purpose of this study was to assess the cost and benefits of preoperative optimization, accounting for total costs associated with postoperative morbidity. DESIGN: This study is a decision tree cost-effectiveness analysis with probabilistic sensitivity analysis (10,000 iterations). SETTING: This is a hypothetical scenario of stage II colon cancer surgery. PATIENT: The simulated 65-year-old patient has left-sided, stage II colon cancer. INTERVENTION: Focused preoperative optimization targets high-risk comorbidities. OUTCOMES: Total discounted (3%) economic costs (US $2018), effectiveness (quality-adjusted life-years), incremental cost-effectiveness ratio (incremental cost-effectiveness ratio, cost/quality-adjusted life-years gained), and net monetary benefit. RESULTS: We calculated the per individual expected health care sector total cost of preoperative optimization and sequelae to be $12,395 versus $15,638 in those not optimized (net monetary benefit: $1.04 million versus $1.05 million). A nonoptimized patient attained an average 0.02 quality-adjusted life-years less than one optimized. Thus, preoperative optimization was the dominant strategy (lower total costs; higher quality-adjusted life-years). Probabilistic sensitivity analysis demonstrated 100% of simulations favoring preoperative optimization. The breakeven cost of optimization to remain cost-effective was $6421 per patient. LIMITATIONS: Generalizability must account for the lack of standardization among existing preoperative optimization efforts, and decision analysis methodology provides guidance for the average patient or general population, and is not patient-specific. CONCLUSIONS: Although currently not comprehensively reimbursed, focused preoperative optimization may reduce total costs of care while also reducing complications from colon cancer surgery. See Video Abstract at http://links.lww.com/DCR/B494. EN TODO CASO ANLISIS DE RENTABILIDAD DE LOS ESFUERZOS LIMITADOS DE OPTIMIZACIN PREOPERATORIA ANTES DE LA CIRUGA DE CNCER DE COLON: ANTECEDENTES:Los informes sugieren que la optimización preoperatoria de las comorbilidades graves de un paciente se asocia con una reducción de las complicaciones postoperatorias.OBJETIVO:El propósito de este estudio fue evaluar el costo y los beneficios de la optimización preoperatoria, teniendo en cuenta los costos totales asociados con la morbilidad postoperatoria.DISEÑO:Análisis de costo-efectividad de árbol de decisión con análisis de sensibilidad probabilístico (10,000 iteraciones).AJUSTE ENTORNO CLINICO:Escenario hipotético Cirugía de cáncer de colon en estadio II.PACIENTE:Paciente simulado de 65 años con cáncer de colon en estadio II del lado izquierdo.INTERVENCIÓN:Optimización preoperatoria enfocada dirigida a comorbilidades de alto riesgo.RESULTADOS:Costos económicos totales descontados (3%) (US $ 2018), efectividad (años de vida ajustados por calidad [AVAC]), relación costo-efectividad incremental (ICER, costo / AVAC ganado) y beneficio monetario neto (NMB).RESULTADOS:Calculamos que el costo total esperado por sector de atención médica individual de la optimización preoperatoria y las secuelas es de $ 12,395 versus $ 15,638 en aquellos no optimizados (NMB: $ 1.04 millones versus $ 1.05 millones, respectivamente). Un paciente no optimizado alcanzó un promedio de 0.02 AVAC menos que uno optimizado. Por lo tanto, la optimización preoperatoria fue la estrategia dominante (menores costos totales; mayores AVAC). El análisis de sensibilidad probabilístico demostró que el 100% de las simulaciones favorecían la optimización preoperatoria. El costo de equilibrio de la optimización para seguir siendo rentable fue de $ 6,421 por paciente.LIMITACIONES:La generalización debe tener en cuenta la falta de estandarización entre los esfuerzos de optimización preoperatorios existentes y esa metodología de análisis de decisiones proporciona una guía para el paciente promedio o la población general, no específica del paciente.CONCLUSIONES:Si bien actualmente no se reembolsa de manera integral, la optimización preoperatoria enfocada puede reducir los costos totales de la atención y al mismo tiempo reducir las complicaciones de la cirugía de cáncer de colon. Consulte Video Resumen en http://links.lww.com/DCR/B494.
Authors: Michael J Englesbe; Alisha D Lussiez; Jeffrey F Friedman; June A Sullivan; Stewart C Wang Journal: Ann Surg Date: 2015-12 Impact factor: 12.969
Authors: Ira L Leeds; Joseph K Canner; Faiz Gani; Patrick M Meyers; Elliott R Haut; Jonathan E Efron; Fabian M Johnston Journal: Ann Surg Date: 2020-01 Impact factor: 12.969