Cost-effectiveness of MRI for breast cancer screening in BRCA1/2 mutation carriers
Notice bibliographique
Résumé
BACKGROUND: Women with mutations in BRCA1 or BRCA2 are at high risk of developing breast cancer and, in British Columbia, Canada, are offered screening with both magnetic resonance imaging (MRI) and mammography to facilitate early detection. MRI is more sensitive than mammography but is more costly and produces more false positive results. The purpose of this study was to calculate the cost-effectiveness of MRI screening for breast cancer in BRCA1/2 mutation carriers in a Canadian setting. METHODS: We constructed a Markov model of annual MRI and mammography screening for BRCA1/2 carriers, using local data and published values. We calculated cost-effectiveness as cost per quality-adjusted life-year gained (QALY), and conducted one-way and probabilistic sensitivity analysis. RESULTS: The incremental cost-effectiveness ratio (ICER) of annual mammography plus MRI screening, compared to annual mammography alone, was $50,900/QALY. After incorporating parameter uncertainty, MRI screening is expected to be a cost-effective option 86% of the time at a willingness-to-pay of $100,000/QALY, and 53% of the time at a willingness-to-pay of $50,000/QALY. The model is highly sensitive to the cost of MRI; as the cost is increased from $200 to $700 per scan, the ICER ranges from $37,100/QALY to $133,000/QALY. CONCLUSIONS: The cost-effectiveness of using MRI and mammography in combination to screen for breast cancer in BRCA1/2 mutation carriers is finely balanced. The sensitivity of the results to the cost of the MRI screen itself warrants consideration: in jurisdictions with higher MRI costs, screening may not be a cost-effective use of resources, but improving the efficiency of MRI screening will also improve cost-effectiveness.
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 ».