Health economic evaluation of a serum-based blood test for brain tumour diagnosis: exploration of two clinical scenarios
Notice bibliographique
Résumé
OBJECTIVES: To determine the potential costs and health benefits of a serum-based spectroscopic triage tool for brain tumours, which could be developed to reduce diagnostic delays in the current clinical pathway. DESIGN: A model-based health pre-trial economic assessment. Decision tree models were constructed based on simplified diagnostic pathways. Models were populated with parameters identified from rapid reviews of the literature and clinical expert opinion. SETTING: Explored as a test in both primary and secondary care (neuroimaging) in the UK health service, as well as application to the USA. PARTICIPANTS: Calculations based on an initial cohort of 10 000 patients. In primary care, it is estimated that the volume of tests would approach 75 000 per annum. The volume of tests in secondary care is estimated at 53 000 per annum. MAIN OUTCOME MEASURES: The primary outcome measure was quality-adjusted life-years (QALY), which were employed to derive incremental cost-effectiveness ratios (ICER) in a cost-effectiveness analysis. RESULTS: Results indicate that using a blood-based spectroscopic test in both scenarios has the potential to be highly cost-effective in a health technology assessment agency decision-making process, as ICERs were well below standard threshold values of £20 000-£30 000 per QALY. This test may be cost-effective in both scenarios with test sensitivities and specificities as low as 80%; however, the price of the test would need to be lower (less than approximately £40). CONCLUSION: Use of this test as triage tool in primary care has the potential to be both more effective and cost saving for the health service. In secondary care, this test would also be deemed more effective than the current diagnostic pathway.
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 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 | 0,101 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».