Health state utilities for skeletal-related events secondary to bone metastases
Notice bibliographique
Résumé
INTRODUCTION: Patients with bone metastases often experience skeletal-related events (SREs). Although cost-utility models are used to examine treatments for metastatic cancer, limited information is available on utilities of SREs. The purpose of this study was to estimate the disutility of four SREs: spinal cord compression, pathological fracture, radiation to bone, and surgery performed to stabilize a bone. METHODS: General population participants from the UK and Canada completed time trade-off (TTO) interviews to assess the utility of health states drafted based on literature review, clinician interviews, and patient interviews. Respondents first rated a health state describing cancer with bone metastases. Then, the SREs were added to this health state. RESULTS: Interviews were completed with 187 participants (50.8 % male, 80.2 % white). Cancer with bone metastases without an SRE had a mean utility of 0.47 (SD = 0.43) on a standard utility scale (1 = full health, 0 = death). Of the SREs, spinal cord compression was associated with the greatest disutility (i.e., the utility decrease): -0.32 with paralysis and -0.22 without paralysis. Surgery had a disutility of -0.07. Leg, arm, and rib fractures had disutilities of -0.06, -0.04, and -0.03. Two weeks of daily radiation treatment had a disutility of -0.06, while two radiation appointments had the smallest impact on utility (-0.02). CONCLUSION: All SREs were associated with statistically significant utility decreases, suggesting a perceived impact on quality of life beyond the impact of cancer with bone metastases. The resulting disutilities may be used in cost-utility models examining treatments to prevent SREs secondary to bone metastases.
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 | 0,007 | 0,000 |
| 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 ».