MétaCan
Menu
← Retour à la cohorte
Enregistrement W2134805485 · doi:10.7759/cureus.134

Cost-minimization analysis: should partial breast irradiation be utilized over whole breast irradiation assuming equivalent clinical outcomes?

2013· article· en· W2134805485 sur OpenAlexafffund
Martin Leung, Michael Lock, Alexander V. Louie, George Rodrigues, David D’Souza, Robert Dinniwell, Rob Barnett

Notice bibliographique

RevueCureus · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensWestern University
Organismes subventionnairesMach-Gaensslen Foundation of Canada
Mots-clésMedicineBreast cancerCost-minimization analysisActivity-based costingWorkloadRadiation therapyMedical physicsTotal costCancerOperations managementNuclear medicineSurgeryInternal medicineComputer scienceBusinessAccounting

Résumé

récupéré en direct d'OpenAlex

Introduction: External beam partial breast irradiation (EB-PBI) is being used more frequently as an alternative to whole breast irradiation (WBI) in the adjuvant treatment of early-stage breast cancer. Breast cancer represents a substantial proportion of the workload for cancer centres; therefore, EB-PBI represents a possible alternative treatment of equal effectiveness that can have a significant impact on costs and patient throughput. However, planning this therapy requires increased quality assurance and resource allocation. Therefore, a cost minimization analysis was performed to compare WBI versus EB-PBI. Based on this study, recommendations on appropriate resource allocation and cost of resources at each step of planning can be made to maximize cost efficiency. Materials and Methods: Cost minimization requires a detailed determination of resource utilization for each of the two treatments. Activity-based costing was used to create a model of radiotherapy costs. A process map was developed that separated the management of patients into differentiated quantifiable units (dosimetry, QA, active treatment, other preparatory work). Time, labour costs, and capital costs were measured using interviews and validated with timed analyses. The perspective of the analysis was that of the hospital budget at a comprehensive cancer clinic in Canada. Thus, personal patient costs and radiation oncologist labour costs were not included in the analysis as these are not funded by the hospital budget. The WBI regimen was 50.0Gy in 2.0Gy fractions, taking place over five weeks. The EB-PBI was 38.5Gy in 3.85Gy fractions twice per day for five days. The two treatment arms are considered to have equivalent clinical outcomes. Results: The total costs per patient for WBI and EB-PBI were 1346.20 Canadian dollars (2012) and 1128.70 Canadian dollars, respectively. The capital costs per patient for WBI and EB-PBI were 937.50 Canadian dollars and 721.88 Canadian dollars, respectively. Labour costs accounted for 30% of WBI and 36% of EB-PBI. EB-PBI was 19% less expensive than WBI. Per patient, this is a cost difference of $217.50, or savings of $21,562.50 based on the department workload of 100 breast cancer patients per linear particle accelerator per year. The majority of the cost differences arose from both capital and labour costs needed for the extra fractions per patient required for WBI. Conclusions: EB-PBI significantly minimizes costs in the treatment of early-stage breast cancer relative to WBI. These results may be utilized by other institutions with other similar health care systems when executing decisions regarding resource allocation in the context of early-stage breast cancer treatment. Costs can be adjusted for each activity within the model. In addition, changes in operating parameters can be adjusted allowing other centres to determine detailed cost impacts specific to their own centre. The model can also be applied to different disease treatment methods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,369
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureus→Même sujetBreast Cancer Treatment Studies→Travaux en français237 207→