Cost-Effectiveness Analysis of Whole-Mount Pathology Processing for Patients with Early Breast Cancer Undergoing Breast Conservation
Notice bibliographique
Résumé
BACKGROUND: Obtaining accurate histopathologic detail for breast lumpectomy specimens is challenging because of sampling and loss of three-dimensional conformational features with conventional processing. The whole-mount (wm) technique is a novel method of serial pathologic sectioning designed to optimize cross-sectional visualization of resected specimens and determination of margin status. METHODS: Using a Markov chain cohort simulation cost-effectiveness model, we compared conventional processing with wm technique for breast lumpectomies. Cost-effectiveness was evaluated from the perspective of the Canadian health care system and compared using incremental cost-effectiveness ratios (icers) for cost per quality-adjusted life-year (qaly) over a 10-year time horizon. Deterministic and probabilistic sensitivity analyses were performed to test the robustness of the model with willingness-to-pay (wtp) thresholds of $0-$100,000. Costs are reported in adjusted 2014 Canadian dollars, discounted at a rate of 3%. RESULTS: Compared with conventional processing, wm processing is more costly ($19,989 vs. $18,427) but generates 0.03 more qalys over 10 years. The icer is $45,414, indicating that this additional amount is required for each additional qaly obtained. The model was robust to all variance in parameters, with the prevalence of positive margins accounting for most of the model's variability. CONCLUSIONS: After a wtp threshold of $45,414, wm processing becomes cost-effective and ultimately generates fewer recurrences and marginally more qalys over time. Excellent baseline outcomes for the current treatment of breast cancer mean that incremental differences in survival are small. However, the overall benefit of the wm technique should be considered in the context of achieving improved accuracy and not just enhancements in clinical effectiveness.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».