Abstract B9: Cost effectiveness of gene expression profiling for tumor site origin
Notice bibliographique
Résumé
Abstract Background: Gene expression profiling (GEP) reliably supplements traditional clinicopathological information on the tissue of origin (TOO) in metastatic or poorly differentiated cancer. A cost-effectiveness analysis of GEP TOO testing versus usual care was conducted from a third-party payer perspective in the United States. Methods: A retrospective, observational study examined treatment changes in patients whose physicians had received the GEP TOO test results to help diagnose the tissue-site of their patient's malignancy and to guide appropriate therapy. Changes in planned chemotherapy, surgery, radiation therapy, added blood tests, imaging investigations, and referral to hospice care before and after the GEP TOO test results were recorded. The effect of changes in chemotherapy on survival were based on randomized controlled trials informing appropriate use of chemotherapy cited in National Comprehensive Cancer Network (NCCN) and Up-to-Date guidelines. Drug and administration costs were based on average doses reported in NCCN guidelines. Centers for Medicare and Medicaid Services (CMS) fee schedules were used to obtain other unit costs. Quality-of-life weights were obtained from literature sources. Changes in overall survival, costs, and cost per quality-adjusted life year (QALY) gained were estimated using bootstrap methods. Results: Use of chemotherapy regimens consistent with guidelines for the final tumor-site diagnosis increased significantly from 42% to 65% (net difference 23%; p< 0.001). Overall survival was projected to increase from 15.9 months to 19.5 months (mean difference 3.6 months, 95%CI [2.0, 5.1]). The average increase in survival adjusted for quality of life was 2.7 months (95%CI [1.4, 3.9]), and average third-party payer costs per patient increased by $10,360 (95% CI [$5,668, $15,053]). The cost per QALY gained was $46,858 (95% CI [$17,995, $75,718]). Conclusions: GEP TOO testing significantly altered clinical practice patterns for treating metastatic cancer of uncertain primary. It is projected to increase overall survival, QALYs, and costs, resulting in an expected cost per QALY of less than $50,000.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».