MétaCan
Menu
Retour à la cohorte
Enregistrement W2921584387 · doi:10.14309/00000434-201810001-00268

Comparative Effectiveness and Cost-Effectiveness Analysis of a Urine Test versus Alternative Colorectal Cancer Screening Strategies

2018· article· en· W2921584387 sur OpenAlexaffabout
Scott Barichello, Thanh Cong Nguyen, Lu Deng, Dustin Loomes, Erin Kirwin, David Chang, Richard N. Fedorak

Notice bibliographique

RevueThe American Journal of Gastroenterology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensThe Metabolomics Innovation CentreInstitute of Health EconomicsGovernment of AlbertaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineColonoscopyColorectal cancerCost effectivenessQuality-adjusted life yearCost-effectiveness analysisUrinePopulationCancerInternal medicineIntensive care medicineEnvironmental healthRisk analysis (engineering)

Résumé

récupéré en direct d'OpenAlex

Introduction: Despite recent declines in both incidence and mortality through screening programs, colorectal cancer (CRC) is still the second most common cause of cancer death in Canada. Current fecal-based tests recommended in the CRC screening programs are hampered by poor adherence as well as low sensitivity for colonic adenomatous polyps, the pre-cursor to CRC. A novel metabolomic-based urine test has been developed, to accurately identify persons with colonic adenomatous polyps. This study compares the cost effectiveness of the urine test with currently recommended CRC screening strategies. Methods: Effectiveness and cost-effectiveness analysis were performed using a Markov model calibrated against cancer statistics data. Persons at average CRC risk within the general Canadian population were modeled. Operating characteristics of the strategies were derived from the literature and local costs of screening and treatment were used. Screening strategies included colonoscopy every 10 years, annual fecal guaiac test (FGT), annual fecal immunochemical test (FIT) and a metabolomics-based urine test (PolypDxTM) every 2 years. The adherence rate of each screening strategy was derived from literature. The quality adjusted life years (QALY) gained, costs, and incremental cost-effectiveness ratios (ICERs) for each strategy were estimated and compared with no screening. Results: Compared with no screening, a metabolomics-based urine screening strategy reduced CRC mortality by 41% and gained 0.13 life-years per person at $46,783/life-year gained in the base case. A FGT screening strategy reduced CRC mortality by15% and gained 0.04 life-years per person at $29,568/ life-year gained. A FIT screening strategy reduced CRC mortality by 36% and gained 0.11 life-years per person at $31,008/life-year. A colonoscopy screening screening strategy reduced CRC mortality by 25% and gained 0.08 life-years per person at $51,616/life-year gained. Conclusion: Despite the higher cost, the metabolomics-based urine screening strategy was the most effective method, compared with conventional screening strategies, for reducing incidence and mortality of CRC and QALY gained. The urine-based screening program had the second highest ICER at $46,783 and was still considered to be a cost-effective strategy.

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)0,011
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,007
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,033
Tête enseignante GPT0,356
Écart entre enseignants0,323 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe American Journal of GastroenterologyMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207