MétaCan
Menu
Retour à la cohorte
Enregistrement W2760980960 · doi:10.1371/journal.pone.0185198

Cost-effectiveness analysis of treatment with non-curative or palliative intent for hepatocellular carcinoma in the real-world setting

2017· article· en· W2760980960 sur OpenAlexafffundabout
Hla‐Hla Thein, Yao Qiao, Ahmad Zaheen, Nathaniel Jembere, Gonzalo Sapisochín, Kelvin Chan, Eric M. Yoshida, Craig C. Earle

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensCancer Care OntarioOntario Institute for Cancer ResearchCanadian Centre for Applied Research in Cancer ControlHealth Sciences CentreUniversity of TorontoUniversity Health NetworkSunnybrook Health Science CentreInstitute for Clinical Evaluative SciencesUniversity of British ColumbiaPublic Health Ontario
Organismes subventionnairesGovernment of OntarioOntario Ministry of Health and Long-Term CareOntario Institute for Cancer ResearchInstitute for Clinical Evaluative SciencesCancer Care Ontario
Mots-clésSorafenibMedicineHepatocellular carcinomaPalliative carePsychological interventionCost effectivenessInternal medicineOncologyQuality-adjusted life yearCost-effectiveness analysisIncremental cost-effectiveness ratioNursing

Résumé

récupéré en direct d'OpenAlex

Hepatocellular carcinoma (HCC) presentation is heterogeneous necessitating a variety of therapeutic interventions with varying efficacies and associated prognoses. Poor prognostic patients often undergo non-curative palliative interventions including transarterial chemoembolization (TACE), sorafenib, chemotherapy, or purely supportive care. The decision to pursue one of many palliative interventions for HCC is complex and an economic evaluation comparing these interventions has not been done. This study evaluates the cost-effectiveness of non-curative palliative treatment strategies such as TACE alone or TACE+sorafenib, sorafenib alone, and non-sorafenib chemotherapy compared with no treatment or best supportive care (BSC) among patients diagnosed with HCC between 2007 and 2010 in a Canadian setting. Using person-level data, we estimated effectiveness in life years and quality-adjusted life years (QALYs) along with total health care costs (2013 US dollars) from the health care payer's perspective (3% annual discount). A net benefit regression approach accounting for baseline covariates with propensity score adjustment was used to calculate incremental net benefit to generate incremental cost-effectiveness ratio (ICER) and uncertainty measures. Among 1,172 identified patients diagnosed with HCC, 4.5%, 7.9%, and 5.6%, received TACE alone or TACE+sorafenib, sorafenib, and non-sorafenib chemotherapy clone, respectively. Compared with no treatment or BSC (81.9%), ICER estimates for TACE alone or TACE+sorafenib was $6,665/QALY (additional QALY: 0.47, additional cost: $3,120; 95% CI: -$18,800-$34,500/QALY). The cost-effectiveness acceptability curve demonstrated that if the relevant threshold was $50,000/QALY, TACE alone or TACE+sorafenib, non-sorafenib chemotherapy, and sorafenib alone, would have a cost-effectiveness probability of 99.7%, 46.6%, and 5.5%, respectively. Covariates associated with the incremental net benefit of treatments are age, sex, comorbidity, and cancer stage. Findings suggest that TACE with or without sorafenib is currently the most cost-effective active non-curative palliative treatment approach to HCC. Further research into new combination treatment strategies that afford the best tumor response is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil0,601

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,265
Tête enseignante GPT0,344
Écart entre enseignants0,078 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetHepatocellular Carcinoma Treatment and PrognosisTravaux en français237 207