Cost effectiveness of outpatient treatment for febrile neutropaenia in adult cancer patients
Notice bibliographique
Résumé
BACKGROUND: There is uncertainty whether low-risk episodes of febrile neutropaenia (FN) in adult cancer patients are best managed in the in- or outpatient setting. METHODS: A Monte Carlo cost-utility model was created to compare four treatment strategies for low-risk FN: (1) treatment in hospital with intravenous antibiotics (HospIV); (2) early discharge after 48 h in-patient observation, followed by oral outpatient treatment (EarlyDC); (3) outpatient management with IV antibiotics (HomeIV); and (4) outpatient management with oral antibiotics (HomePO). The model used a health-care payer perspective and a time horizon of one FN episode. Outcome measures were quality-adjusted FN episodes (QAFNE), costs (Canadian dollars) and incremental cost-effectiveness ratios (ICER). Parameter uncertainty was assessed with probabilistic sensitivity analyses. RESULTS: HomePO was cost saving ($3470 vs $4183), but less effective (0.65 QAFNE vs 0.72 QAFNE) than HomeIV. The corresponding ICER was $10,186 per QAFNE. Both EarlyDC ($6115; 0.66 QAFNE) and HospIV ($13,557; 0.62 QAFNE) were dominated strategies. At a willingness-to-pay (WTP) threshold of $4,000 per QAFNE, HomePO and HomeIV were cost effective in 54 and 38% of simulations, respectively. INTERPRETATION: For adult cancer patients with an episode of low-risk FN, treatment in hospital is more expensive and less effective than outpatient strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».