Do Economic Evaluations of Targeted Therapy Provide Support for Decision Makers?
Notice bibliographique
Résumé
OBJECTIVE: Decision makers must make decisions without complete information. That uncertainty can be decreased when economic evaluations use local data and can be quantified by considering the variability of all model inputs concurrently per international evaluation guidelines. It is unclear how these recommendations have been implemented in evaluations of targeted cancer therapy. By using economic evaluations of adjuvant trastuzumab, we have assessed the extent to which decision support recommendations were adopted. STUDY DESIGN: Systematic review. METHODS: Published economic evaluations of adjuvant trastuzumab treatment in early-stage breast cancer were examined as an established example of targeted therapy. Canadian, United Kingdom, and US economic evaluation guidelines were reviewed to establish extraction criteria. Extraction characterized the use of effectiveness evidence and local data sources for model parameters, sensitivity analysis methods (scenario, univariate, multivariate, and probabilistic), and uncertainty representation (ie, cost-effectiveness plane, scatterplot, confidence ellipses, tornado diagrams, cost-effectiveness acceptability curve). RESULTS: Fifteen economic evaluations of adjuvant trastuzumab were identified in the literature. Local data were used to estimate costs (15 of 15) and utilities rarely (2 of 15) but not trastuzumab efficacy. Univariate sensitivity analysis was most common (12 of 15), whereas probabilistic analysis was less frequent (10 of 15). Two-thirds of all studies provided visual representation of results and decision uncertainty. CONCLUSION: Authors of adjuvant trastuzumab economic evaluations rarely use local data beyond costs. Quantification of uncertainty and its representation also fell short of guideline recommendations. This review demonstrates that economic evaluations of adjuvant trastuzumab, as an example of targeted cancer therapy, can be improved for decision-making support.
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 | 0,005 | 0,007 |
| 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) | 0,002 | 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 ».