Real-world dosing and drug costs with everolimus or axitinib as second targeted therapies for advanced renal cell carcinoma: a retrospective chart review in the US
Notice bibliographique
Résumé
OBJECTIVE: To describe dosing patterns and to compare the drug costs per month spent in progression-free survival (PFS) among patients with advanced renal cell carcinoma (aRCC) treated with everolimus or axitinib following a first tyrosine kinase inhibitor (TKI). METHODS: A medical record retrospective review was conducted among medical oncologists and hematologists/oncologists in the US. Patient eligibility criteria included: (1) age ≥18 years; (2) discontinuation of first TKI (sunitinib, sorafenib, or pazopanib) for medical reasons; (3) initiation of axitinib or everolimus as a second targeted therapy during February 2012-January 2013. Real-world dosing patterns were summarized. Dose-specific drug costs (as of October 2014) were based on wholesale acquisition costs from RED BOOK Online. PFS was compared between everolimus and axitinib using a multivariable Cox proportion hazards model. Everolimus and axitinib drug costs per month of PFS were compared using multivariable gamma regression models. RESULTS: A total of 325 patients received everolimus and 127 patients received axitinib as second targeted therapy. Higher proportions of patients treated with axitinib vs everolimus started on a higher than label-recommended starting dose (14% vs 2%) or experienced dose escalation (11% vs 1%) on second targeted therapy. The PFS did not differ significantly between patients receiving everolimus or axitinib (adjusted hazard ratio (HR) = 1.16; 95% confidence interval [CI] = 0.73-1.82). After baseline characteristics adjustment, axitinib was associated with 17% ($1830) higher drug costs per month of PFS compared to everolimus ($12,467 vs $10,637; p < 0.001). LIMITATIONS: Retrospective observational study design and only drug acquisition costs considered in drug costs estimates. CONCLUSIONS: Patients with aRCC receiving axitinib as second targeted therapy were more likely to initiate at a higher than label-recommended dose and were more likely to dose escalate than patients receiving everolimus. With similar observed durations of PFS, drug costs were significantly higher-by 17% per month of PFS-with axitinib than with everolimus.
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 | 0,002 | 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 | 0,001 |
| 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 ».