Cost Effectiveness of <i>EML4-ALK</i> Fusion Testing and First-Line Crizotinib Treatment for Patients With Advanced <i>ALK</i>-Positive Non–Small-Cell Lung Cancer
Notice bibliographique
Résumé
PURPOSE: ALK-targeted therapy with crizotinib offers significant improvement in clinical outcomes for the treatment of EML4-ALK fusion-positive non-small-cell lung cancer (NSCLC). We estimated the cost effectiveness of EML4-ALK fusion testing in combination with targeted first-line crizotinib treatment in Ontario. PATIENTS AND METHODS: A cost-effectiveness analysis was conducted using a Markov model from the Canadian Public health (Ontario) perspective and a lifetime horizon in patients with stage IV NSCLC with nonsquamous histology. Transition probabilities and mortality rates were calculated from the Ontario Cancer Registry and Cancer Care Ontario New Drug Funding Program (CCO NDFP). Costs were obtained from the Ontario Case Costing Initiative, CCO NDFP, University Health Network, and literature. RESULTS: Molecular testing with first-line targeted crizotinib treatment in the population with advanced nonsquamous NSCLC resulted in a gain of 0.011 quality-adjusted life-years (QALYs) compared with standard care. The incremental cost was Canadian $2,725 per patient, and the incremental cost-effectiveness ratio (ICER) was $255,970 per QALY gained. Among patients with known EML4-ALK-positive advanced NSCLC, first-line crizotinib therapy provided 0.379 additional QALYs, cost an additional $95,043 compared with standard care, and produced an ICER of $250,632 per QALY gained. The major driver of cost effectiveness was drug price. CONCLUSION: EML4-ALK fusion testing in stage IV nonsquamous NSCLC with crizotinib treatment for ALK-positive patients is not cost effective in the setting of high drug costs and a low biomarker frequency in the population.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».