Lapatinib in patients with metastatic breast cancer following initial treatment with trastuzumab: an economic analysis from the Brazilian public health care perspective
Notice bibliographique
Résumé
OBJECTIVE: To evaluate, from the perspective of the Brazilian public health care system, the cost-effectiveness of lapatinib plus capecitabine (LAP/CAP) versus capecitabine alone (CAP) or trastuzumab plus capecitabine (TRAST/CAP) in the treatment of women with human epidermal growth factor receptor-2-positive metastatic breast cancer previously treated with trastuzumab. METHODS: An economic model was developed to compare costs and clinical outcomes over a 5-year time horizon. Both costs and outcomes were discounted at a 5% rate, in accordance with Brazilian pharmacoeconomic guidelines. Clinical inputs were determined using indirect treatment comparisons. Costs were derived from public reimbursement databases and reported in 2010 Brazilian real (R$1 = USD$0.52). Clinical outcomes included progression-free survival years (PFYs), life-years (LYs) and quality-adjusted life-years (QALYs). The economic outcome was the incremental cost per LY, PFY, or QALY gained. The impact of variations in individual inputs (eg, drug cost, drug effectiveness) was examined using one-way sensitivity analyses. Overall model robustness was tested using probabilistic sensitivity analyses, varying the ranges of all input parameters within their standard distributions. RESULTS: Expected cost per patient was R$41,195 for CAP, R$95,256 for LAP/CAP, and R$113,686 for TRAST/CAP. Respective LYs were 1.406, 1.695, and 1.465; PFYs were 0.473, 0.711, and 0.612; and QALYS were 0.769, 0.958, and 0.827. LAP/CAP dominated TRAST/CAP for all outcomes. Incremental cost-effectiveness ratios of LAP/CAP over CAP were R$186,563 for LYs, R$226,403 for PFYs, and R$284,864 for QALYs. Results remained unchanged in one-way sensitivity analyses. In probabilistic analyses, LAP/CAP was dominant over TRAST/CAP in 93.5% of simulations. CONCLUSION: LAP/CAP increases survival for women with human epidermal growth factor receptor-2-positive metastatic breast cancer. LAP/CAP is cost-effective against TRAST/CAP (ie, produces more benefits at a lower cost) and can be considered cost-effective over CAP at a willingness-to-pay of about R$290,000 (US$151,000) per QALY gained.
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) | 0,001 | 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) | 0,001 | 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 ».