Lives and Economic Loss in Brazil Due to Lack of Radiotherapy Access in Cervical Cancer
Notice bibliographique
Résumé
Background: Cervical cancer collects the highest survival benefit from radiotherapy (RT) among all malignancies. A large gap between oncological demand and RT availability exists for cervical cancer in Brazilian Public Health System (BPHS). Aim: To evaluate cost-effectiveness of universal access to RT and chemo-radiation (CRT) for untreated cervical cancer patients in the BPHS. Methods: The incremental cost was calculated based on the direct medical cost from a payer's perspective and the proportion of new cases with unmet RT/CRT needs in 2016. The incremental effectiveness was evaluated by life-year (LY) gain based on life expectancy, cervical cancer incidence and the number of cancer deaths due to lack of RT/CRT access as previously described. The incremental cost-effectiveness ratio (ICER) was calculated from direct medical costs and LYs. The indirect costs from mortality-related productivity loss (MRPL) were estimated based on life expectancy, wage and labor force participation rate. The MRPL was compared with direct medical cost. All costs and effectiveness were age-adjusted based on 2016 Brazilian data and discounted at 3% per year. Costs were adjusted to 2016 U.S. dollars. One-way sensitivity analysis was performed to assess the robustness of the model. Results: The annual cost to close RT gap was $14.3 million, with additional cost of $4.1 million to close the CRT gap. The average years of potential life lost per death was 20.5. Cost per life saved was $10,820 for RT alone (ICER: $528/LY) and $18,919 for CRT (ICER: $584/LY), respectively. The MRPL due to shortage of RT/CRT were 70/81 million respectively. Conclusion: Providing universal access to RT/CRT for cervical cancer patients in the BPHS will incur low cost per life-year saved and provide large economical gain by saving thousands of lives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».