Economics of gastroenteropancreatic neuroendocrine tumors: a systematic review
Notice bibliographique
Résumé
Background: Despite current interest, enthusiasm and progress in the development of therapies for gastroenteropancreatic (GEP) neuroendocrine tumors (NETs), there are substantial gaps in the published literature regarding cost-of-illness analyses, economic evaluation and budget impact analyses. Compounding the issue is that data on resource utilization and cost-effectiveness of different diagnostic and therapeutic modalities for GEP-NETs are scarce. Methods: A systematic review on the economic impact of GEP-NETs was carried out using four databases: EMBASE, PubMed, the National Health Service Economic Evaluation Database and Cochrane review. Fully published articles from January 2000 to May 2017, in English and Spanish, were included. All articles that satisfied the inclusion criteria were included in the systematic review; summary descriptive statistics were used to describe the methodological characteristics. Results: The 14 studies selected included cost-of-illness analyses ( n = 4), economic evaluations ( n = 7) and budget impact analyses ( n = 3). Almost all studies were performed in the United States. Healthcare costs for patients with NETs included medication, outpatient visits, hospitalizations, and check-ups/tests. Reducing adverse events is an area where cost savings could be achieved; however, there was not enough evidence on the cost impact of adverse events. Conclusion: There is a lack of data related to resource utilization in the field of GEP-NETs. Therefore, cost-effectiveness and budget impact studies of existing and emerging treatments are urgently needed to help the decision-making process for patients with NETs.
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 | 0,008 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,009 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».