Economic Evaluation of Hormonal Therapies for Postmenopausal Women with Estrogen Receptor–Positive Early Breast Cancer in Canada
Notice bibliographique
Résumé
BACKGROUND: Aromatase inhibitor (ai) therapy has been subjected to numerous cost-effectiveness analyses. However, with most ais having reached the end of patent protection and with maturation of the clinical trials data, a re-analysis of ai cost-effectiveness and a consideration of ai use as part of sequential therapy is desirable. Our objective was to assess the cost-effectiveness of the 5-year upfront and sequential tamoxifen (tam) and ai hormonal strategies currently used for treating patients with estrogen receptor (er)-positive early breast cancer. METHODS: The cost-effectiveness analysis used a Markov model that took a Canadian health system perspective with a lifetime time horizon. The base case involved 65-year-old women with er-positive early breast cancer. Probabilistic sensitivity analyses were used to incorporate parameter uncertainties. An expected-value-of-perfect-information test was performed to identify future research directions. Outcomes were quality-adjusted life-years (qalys) and costs. RESULTS: The sequential tam-ai strategy was less costly than the other strategies, but less effective than upfront ai and more effective than upfront tam. Upfront ai was more effective and less costly than upfront tam because of less breast cancer recurrence and differences in adverse events. In an exploratory analysis that included a sequential ai-tam strategy, ai-tam dominated based on small numerical differences unlikely to be clinically significant; that strategy was thus not used in the base-case analysis. CONCLUSIONS: In postmenopausal women with er-positive early breast cancer, strategies using ais appear to provide more benefit than strategies using tam alone. Among the ai-containing strategies, sequential strategies using tam and an ai appear to provide benefits similar to those provided by upfront ai, but at a lower cost.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».