Economic evaluation of smoking cessation in Ontario's regional cancer programs
Notice bibliographique
Résumé
Quitting smoking after a diagnosis of cancer results in greater response to treatment and decreased risk of disease recurrence and second primary cancers. The objective of this study was to evaluate the potential cost-effectiveness of two smoking cessation approaches: the current basic smoking cessation program consisting of screening for tobacco use, advice, and referral; and a best practice smoking cessation program that includes the current basic program with the addition of pharmacological therapy, counseling, and follow-up. A Markov model was constructed that followed 65-year-old smokers with cancer over a lifetime horizon. Transition probabilities and mortality estimates were obtained from the published literature. Costs were obtained from standard costing sources in Ontario and reports. Probabilistic and deterministic sensitivity analyses were conducted to address parameter uncertainties. For smokers with cancer, the best practice smoking cessation program was more effective and more costly than the basic smoking cessation program. The incremental cost-effectiveness ratio of the best practice smoking cessation program compared to the basic smoking cessation program was $3367 per QALY gained and $5050 per LY gained for males, and $2050 per QALY gained and $4100 per LY gained for females. Results were most sensitive to the hazard ratio of mortality for former and current smokers, the probability of quitting smoking through participation in the program and smoking-attributable costs. The study results suggested that a best practice smoking cessation program could be a cost-effective option. These findings can support and guide implementation of smoking cessation programs.
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 | 0,015 | 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) | 0,007 | 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 tête enseignante, 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 ».