MétaCan
Menu
Retour à la cohorte
Enregistrement W2794222772 · doi:10.1200/jco.2018.36.4_suppl.375

Comparative effectiveness and safety of the implementation of universal public funding of FOLFIRINOX (FFX) and gemcitabine (G) + nab-paclitaxel (GnP) in advanced pancreatic cancer (APC): A population-based study.

2018· article· en· W2794222772 sur OpenAlexaffabout
Helen Guo, Jaclyn Beca, Ruby Redmond‐Misner, Wanrudee Isaranuwatchai, Lucy Qiao, Craig C. Earle, Scott R. Berry, James Biagi, Stephen Welch, Brandon M. Meyers, Nicole Mittmann, Natalie G. Coburn, Aliya Pardhan, Jessica Arias, Deborah E. Schwartz, Scott Gavura, Leta Forbes, Robin S. McLeod, Erin Kennedy, Kelvin Chan

Notice bibliographique

RevueJournal of Clinical Oncology · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensHamilton Regional Laboratory Medicine ProgramMcMaster UniversityCancer Care OntarioQueen's UniversityMount Sinai HospitalSunnybrook HospitalHealth Sciences CentreOntario Institute for Cancer ResearchJuravinski Cancer CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineGemcitabineFOLFIRINOXPancreatic cancerCancer registryProportional hazards modelInternal medicineLogistic regressionPropensity score matchingPopulationCancerOncologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

375 Background: FFX has been universally publicly funded in Ontario, Canada, for metastatic pancreatic cancer (mPC) and unresectable locally advanced pancreatic cancer (uLAPC) since 11/2011 and 04/2015, respectively. GnP has been publicly funded for uLAPC and mPC (APC) since 04/2015. We examined the real world comparative effectiveness and safety of implementing funding of FFX and GnP for patients with APC. Methods: Patients with APC who received first-line FFX, GnP, or G from 01/2008-03/2016 were identified in CCO’s New Drug Funding Program database and divided into 3 periods: 01/2008-10/2011 (P1), 11/2011-03/2015 (P2), and 04/2015-03/2016 (P3). Data were linked with the Ontario Cancer Registry and others to ascertain demographics, comorbidities, and outcomes. Matching weights of propensity score to simultaneously compare three periods were generated using multinomial logistic regression. Crude and adjusted survival analyses were conducted to assess overall survival (OS) using Kaplan-Meier and weighted Cox regression methods.Weighted negative binomial models were used to estimate rate ratios (RR) for all-cause hospitalization (H) and ED visits. Results: We identified 3696 patients (1250 in P1, 1891 in P2, 555 in P3) (overall mean age 65, female 46%). In P2, 49% received FFX. In P3, 53% received FFX and 35% received GnP. Median OS was 5.7, 7.0, and 7.5 months for P1, P2, and P3, respectively. Median OS for FFX and GnP in mPC were 8.8 and 5.5 months, respectively. OS was improved in P2 vs. P1 (HR = 0.84, 0.78-0.90) and in P3 vs. P2 (HR = 0.82, 0.73-0.92). ED visits were similar compared P2 vs. P1 (RR=1.02, p = 0.75) and P3 vs. P2 (RR=1.04, p = 0.48), and H was reduced in P2 vs. P1 (RR = 0.86, p = 0.01), but similar in P3 vs. P2 (RR = 0.98, p = 0.78). H for febrile neutropenia (FN) was increased in P2 vs. P1 (RR = 2.18, p = 0.04) but not in P3 vs. P2 (RR = 1.32, p = 0.45). Conclusions: Implementation of universal public funding of FFX for mPC improved OS and reduced the rates H overall, but increased FN-related H. Funding of FFX for uLAPC and GnP for APC improved OS without increased in ER and H.

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)0,005
score de la tête « metaresearch » (Gemma)0,018
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,112
Tête enseignante GPT0,433
Écart entre enseignants0,321 · 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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207