HBV screening before adjuvant chemotherapy in patients with early breast cancer: A cost-effectiveness analysis.
Notice bibliographique
Résumé
11 Background: The seroprevalence of hepatitis B virus (HBV) infection among Canadian was 0.4%, and 1.6% among immigrants. Most infected individuals have clinically silent disease. Cytotoxic chemotherapy causes reactivation in 30% of the HBV infected patients. This can be severe and fatal, may also lead to interruption of chemotherapy. HBV screening before adjuvant chemotherapy (ADJ) for breast cancer (BC) seems to be a plausible strategy. Our objective is to estimate the health and economic effects of HBV screening strategies. Methods: We developed a state transition microsimulation model to examine the cost effectiveness of 3 strategies for 55 year old BC patients undergoing ADJ: (1) No screen; (2) Screen Imm: Screen immigrant only and treat; (3) Screen all: Screen all and treat; with antiviral therapies. In the model, health states were constructed to reflect the natural history of BC and HBV. Model data were obtained from published literature. We used a payer perspective, a lifetime time horizon, and used a 5% discount rate. Results: Screen all would prevent 43 severe reactivations (SR), 9 deaths from reactivation (DR), 22 chemotherapy interruptions (CI), 36 decompensated cirrhosis (DC), 48 HCCs, and 67 HBV deaths per 100,000 persons screened over the lifetime of the cohort. Screen Imm would prevent 34 SR, 4 DR, 20 CI, 30 DC, 41 HCCs, and 52 HBV deaths. Screen all was associated with an increase of at least 0.00368 quality adjusted life years (QALY) and cost C$116 more per person, translating to an incremental cost effectiveness ratio (ICER) of C$31,518-51,276/QALY gained compared with No screen, depends on different antiviral therapies. Screen all was the most cost effective, while Screen Imm was ruled out due to extended dominance (ED) by No Screen and Screen all. Conclusions: HBV screening before ADJ for BC patients would prevent a significant number of reactivations, and is likely be cost effective. [Table: see text]
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».