MétaCan
Menu
Retour à la cohorte
Enregistrement W2234278652 · doi:10.1185/03007995.2016.1140030

Treatment patterns, overall survival, healthcare resource use and costs in elderly Medicare beneficiaries with chronic myeloid leukemia using second-generation tyrosine kinase inhibitors as second-line therapy

2016· article· en· W2234278652 sur OpenAlexaff
B. Douglas Smith, Jun Liu, Dominick Latrémouille-Viau, Annie Guérin, Daniel Fernandez, Lei Chen

Notice bibliographique

RevueCurrent Medical Research and Opinion · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Myeloid Leukemia Treatments
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesnon disponible
Mots-clésNilotinibMedicineDasatinibHazard ratioInternal medicineMyeloid leukemiaImatinibMedicare AdvantageMedicare Part DEmergency medicineHealth careMedical prescriptionConfidence intervalPharmacologyPrescription drug

Résumé

récupéré en direct d'OpenAlex

Objective Though the median age at diagnosis is 64 years, few studies focus on elderly (≥65 years) patients with chronic myeloid leukemia (CML). This study examines healthcare outcomes among elderly Medicare beneficiaries with CML who started nilotinib or dasatinib after imatinib. Research design and methods Patients were identified in the Medicare Research Identifiable Files (2006-2012) and had continuous Medicare Parts A, B, and D coverage. Main outcome measures Treatment patterns, overall survival (OS), monthly healthcare resource utilization and medical costs were measured from the second-line tyrosine kinase inhibitor (TKI) initiation (index date) to end of Medicare coverage. Results Despite similar adherence, dasatinib patients (N = 379) were more likely to start on the recommended dose (74% vs. 53%; p < 0.001), and to have dose reductions (21% vs. 11%, adjusted hazard ratio [HR] = 1.94; p = 0.002) or dose increases (9% vs. 7%; adjusted HR = 1.81; p = 0.048) than nilotinib patients (N = 280). Fewer nilotinib patients discontinued (59% vs. 67%; adjusted HR = 0.80; p = 0.026) or switched to another TKI (21% vs. 29%; adjusted HR = 0.72; p = 0.044) than dasatinib patients. Nilotinib patients had longer median OS (>4.9 years vs. 4.0 years; p = 0.032) and 37% lower mortality risk than dasatinib patients (adjusted HR = 0.63; p = 0.008). Nilotinib patients had 23% fewer inpatient admissions, 30% fewer emergency room visits, 13% fewer outpatient visits (all p < 0.05), and lower monthly medical costs (by $513, p = 0.024) than dasatinib patients. Limitations Lack of clinical assessment (disease phase and response to first-line therapy) and retrospective nature of study (unobservable potential confounding factors, non-randomized treatment choice). Conclusions In the current study of elderly CML patients, initiation of second-line TKIs frequently occurs at doses lower than the recommended starting doses and, despite this, many patients require dose adjustments. Here, nilotinib patients required fewer dose adjustments than dasatinib patients. Further research focusing on elderly CML patients is warranted in order to help define future best clinical practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,114
Tête enseignante GPT0,388
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Medical Research and OpinionMême sujetChronic Myeloid Leukemia TreatmentsTravaux en français237 207