Cost-Utility Analysis of Primary Prophylaxis Versus Secondary Prophylaxis With Granulocyte Colony-Stimulating Factor in Elderly Patients With Diffuse Aggressive Lymphoma Receiving Curative-Intent Chemotherapy
Notice bibliographique
Résumé
PURPOSE: The 2006 American Society of Clinical Oncology (ASCO) guideline recommended primary prophylaxis (PP) with granulocyte colony-stimulating factor (G-CSF) instead of secondary prophylaxis (SP) for elderly patients with diffuse aggressive lymphoma receiving chemotherapy. We examined the cost-effectiveness of PP when compared with SP. METHODS: We conducted a cost-utility analysis to compare PP to SP for diffuse aggressive lymphoma. We used a Markov model with an eight-cycle chemotherapy time horizon with a government-payer perspective and Ontario health, economic, and cost data. Data for efficacies of G-CSF, probabilities, and utilities were obtained from published literature. Probabilistic sensitivity analysis (PSA) was conducted. RESULTS: The incremental cost-effectiveness ratio of PP to SP was $700,500 per quality-adjusted life-year (QALY). One-way sensitivity analyses (willingness-to-pay threshold = $100,000/QALY) showed that if PP were to be cost-effective, the cost of hospitalization for febrile neutropenia (FN) had to be more than $31,138 (2.5 × > base case), the cost of G-CSF per cycle less than $960 (base case = $1,960), the risk of first-cycle FN more than 47% (base case = 24%), or the relative risk reduction of FN with G-CSF more than 91% (base case = 41%). Our result was robust to all variables. PSA revealed a 10% probability of PP being cost-effective over SP at a willingness-to-pay threshold of $100,000/QALY. CONCLUSION: PP is not cost-effective when compared with SP in this population. PP becomes attractive only if the cost of hospitalization for FN is significantly higher or the cost of G-CSF is significantly lower.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».