The premarket assessment of the cost-effectiveness of a predictive technology “Straticyte™” for the early detection of oral cancer: a decision analytic model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Approximately half of oral cancers are detected in advanced stages. The current gold standard is histopathological assessment of biopsied tissue, which is subjective and dependent on expertise. Straticyte™, a novel prognostic tool at the pre-market stage, that more accurately identifies patients at high risk for oral cancer than histopathology alone. This study conducts an early cost-effectiveness analysis (CEA) of Straticyte™ and histopathology versus histopathology alone for oral cancer diagnosis in adult patients. METHODS: A decision-analytic model was constructed after narrowing the scope of Straticyte™, and defining application paths. Data was gathered using the belief elicitation method, and systematic review and meta-analysis. The early CEA was conducted from private-payer and patient perspectives, capturing both direct and indirect costs over a five-year time horizon. One-way and probabilistic sensitivity analyses were conducted to investigate uncertainty. RESULTS: Compared to histopathology alone, histopathology with Straticyte™ was the dominant strategy, resulting in fewer cancer cases (31 versus 36 per 100 patients) and lower total costs per cancer case avoided (3,360 versus 3,553). This remained robust when Straticyte™ was applied to moderate and mild cases, but became slightly more expensive but still more effective than histopathology alone when Straticyte™ was applied to only mild cases. The probabilistic and one-way sensitivity analyses demonstrated that incorporating Straticyte™ to the current algorithm would be cost-effective over a wide range of parameters and willingness-to-pay values. CONCLUSION: This study demonstrates high probability that Straticyte™ and histopathology will be cost-effective, which encourages continued investment in the product. The analysis is informed by limited clinical data on Straticyte™, however as more data becomes available, more precise estimates will be generated.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle