Cost-effectiveness Analysis for Genotyping before Allopurinol Treatment to Prevent Severe Cutaneous Adverse Drug Reactions
Notice bibliographique
Résumé
OBJECTIVE: Patients with an HLA-B*58:01 allele have an increased risk of developing severe cutaneous adverse drug reactions (SCAR) when treated with allopurinol. Although one-off pharmacogenetic testing may prevent life-threatening adverse drug reactions, testing prior to allopurinol initiation incurs additional costs. The study objective was to evaluate the cost-effectiveness of HLA-B*58:01 screening compared with using other available urate-lowering agents (ULA). METHODS: A decision-analytical model was used to compare direct medical costs and effectiveness [including lifetime saved, quality-adjusted life-yrs (QALY) gained] in treating new patients with the following options: (1) genetic screening followed by allopurinol prescribing for noncarriers of HLA-B*58:01, (2) prescribing benzbromarone without screening, (3) prescribing febuxostat without screening, and (4) prescribing allopurinol without screening. A 1-year time frame and third-party payer perspective were modeled for both the entire cohort (base-case) and for the subgroup of patients with chronic kidney disease (CKD). RESULTS: The incremental cost-effectiveness ratio of genetic screening prior to ULA therapy was estimated as New Taiwan (NT) $234,610 (US$7508) per QALY gained in the base-case cohort. For patients with CKD, it was estimated as NT$230,925 (US$7390) per QALY. The study results were sensitive to the probability of benzbromarone/febuxostat-related hypersensitivity, and a negative predicted value of genotyping. CONCLUSION: HLA-B*58:01 screening gave good value for money in preventing allopurinol-induced SCAR in patients indicated for ULA therapy. In addition to the costs of genotyping, it is important to monitor ULA safety closely in adopting HLA-B*58:01 screening in practice.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,008 | 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 ».