Real-World Costing Analysis for Diffuse Large B-Cell Lymphoma in British Columbia
Notice bibliographique
Résumé
Introduction: Diffuse large B-cell lymphoma (dlbcl) accounts for 30%-40% of all non-Hodgkin lymphomas. Approximately 60% of patients are cured with standard treatment. Targeted treatments are being investigated and might improve disease outcomes; however, their effect on cancer drug budgets will be significant. For the present study, we conducted an analysis of real-world costs for dlbcl patients treated in British Columbia, useful for health care system planning. Methods: Patient records from a retrospective cohort of patients diagnosed with dlbcl in British Columbia during 2004-2013 were anonymously linked across multiple administrative data sources: systemic therapy, radiotherapy, hospitalizations, oncologist services, outpatient medications, and fee-for-service physician services. Using generalized linear modelling regression, time-dependent costs (in 2015 Canadian dollars) were estimated in 6-month intervals over a 5-year period. The inverse probability weighting method was applied to account for censored observations. Nonparametric bootstrapping was used to estimate standard errors for the mean cost at each time interval. Results: The cohort consisted of 678 patients (5-year overall survival: 67%). Mean age at diagnosis was 64 ± 14 years; median follow-up was 3.2 years. Mean total cost of care was highest in the first 6 months after diagnosis ($29,120; 95% confidence interval: $28,986 to $29,170) and after disease progression ($18,480; 95% confidence interval: $15,187 to $24,772). Systemic therapy and hospitalization costs were the largest cost drivers. At each time interval, costs were observed to be positively skewed. Conclusions: Our results depict real-world costs for the treatment of dlbcl patients with standard chop-r therapy. Cost-model parameters are also provided for economic modelling of dlbcl interventions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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; 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 ».