Robotic radiosurgery for the treatment of one to three brain metastases: A pragmatic application of cost-benefit analysis using willingness to pay.
Notice bibliographique
Résumé
17 Background: With the emergence of radiosurgery as a new radiotheraputic technique, health care decision makers are required to incorporate community need, cost and patient preferences when allocating radiosurgery resources. Conventional patient utility measures would not reflect short term preferences and would therefore not inform decision makers when allocating radiosurgery treatment units. The goal of this article is to demonstrate the feasibility of cost-benefit analysis to elicit the yearly net monetary benefit of robotic radiosurgery. Methods: To calculate the yearly incremental cost of robotic radiosurgery as compared to fixed-gantry radiosurgery we used direct local cost data. We assumed a standard 10 year replacement and 5% amortization rate. Decision boards summarizing the clinical scenario of brain metastases and the difference between robotic and fixed-gantry radiosurgery in terms of immobilization, comfort and treatment time were then presented to a sample of 18 participants. Participants who preferred robotic radiosurgery were randomly assigned to either a low ($1) or high ($5) starting point taxation based willingness-to-pay algorithm. Results: The yearly incremental cost of providing robotic radiosurgery was $99,177. The mean community yearly willingness-to pay for robotic radiosurgery was $2,300,000, p=0.03. The calculated yearly net societal benefit for robotic radiosurgery was $2,200,823. Among participants who preferred robotic radiosurgery there was no evidence of starting point bias, p=0.8. Conclusions: We have shown through this pilot study that it is feasible to perform cost-benefit analysis to evaluate new technologies in Radiation Oncology. Cost-benefit analysis offers an analytic method to evaluate local preferences and provide accountability when allocating limited healthcare resources.
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 | 0,032 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».