Economic Analysis Comparing Dalteparin to Vitamin K Antagonists to Prevent Recurrent Venous Thromboembolism in Patients With Cancer Having Renal Impairment
Notice bibliographique
Résumé
BACKGROUND: In a randomized trial (ie, Comparison of Low-Molecular-Weight Heparin versus Oral Anticoagulant Therapy for the Prevention of Recurrent Venous Thromboembolism in Patients with Cancer [CLOT]) that evaluated secondary prophylaxis of recurrent venous thromboembolism (VTE) in patients with cancer, dalteparin reduced the relative risk by 52% compared to oral vitamin K antagonists (VKAs; hazard ratio = 0.48, P = .002). A recent subgroup analysis in patients with moderate to severe renal impairment also revealed lower absolute VTE rates with dalteparin (3% vs 17%; P = .011). To measure the economic value of dalteparin in these populations, a pharmacoeconomic analysis was conducted from the Dutch health-care system perspective. METHODS: Resource utilization data contained within the CLOT trial database were extracted and converted into direct cost estimates. Univariate analysis was then conducted to compare the total cost of therapy between patients randomized to dalteparin or VKA therapy. Health state utilities were then measured in 24 members of the general public using the time trade-off technique. RESULTS: When all of the cost components were combined for the entire population (n = 676), the dalteparin group had significantly higher overall costs than the VKA control group (dalteparin = €2375 vs VKA = €1724; P < .001). However, dalteparin was associated with a gain of 0.14 (95% confidence interval [CI]: 0.10-0.18) quality-adjusted life years (QALYs) over VKA. When the incremental cost was combined with the utility gain, dalteparin had a cost of €4,697 (95% CI: €3824-€4951) per QALY gained. CONCLUSION: Secondary prophylaxis with dalteparin is a cost-effective alternative to VKA for the prevention of recurrent VTE in patients with cancer.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| 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) | 0,003 | 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 ».