Economic Evaluation of Azacitidine in Elderly Patients with Acute Myeloid Leukemia with High Blast Counts
Notice bibliographique
Résumé
BACKGROUND: Azacitidine is an hypomethylating agent widely adopted for the treatment of acute myeloid leukaemia (AML) in patients who are ineligible for curative-intent chemotherapy. Patients with low bone marrow blast counts (< 30%) experience improved survival with azacitidine, but the benefits are significantly lower in patients with > 30% blasts in the bone marrow. As such, there is uncertainty around the economic benefit of azacitidine in patients with higher blast counts. OBJECTIVE: We present a cost-utility analysis of azacitidine in patients with AML with > 30% blasts to determine the economic value of azacitidine in this patient population from the perspective of a third-party payer. METHODS: A Markov model was developed with a time horizon of 25 months divided into 22 cycles of 35 days each. The cost utility of azacitidine was compared with that of conventional care regimens (which include best supportive care, low-dose cytarabine and induction chemotherapy). A Canadian public healthcare system perspective was selected. RESULTS: In the base case, the incremental cost per quality-adjusted life-year gained (incremental cost-effectiveness ratio [ICER]) for azacitidine compared with conventional care regimens was $Can160,438, year 2018 values. The estimated ICER was insensitive to a longer time horizon but sensitive to the cost of azacitidine and to assumptions relating to survival in both treatment regimens, although the ICER always remained greater than Can$80,000 in all scenarios. CONCLUSION: Azacitidine is unlikely to be cost effective given that the estimated ICER exceeds the willingness to pay commonly used in the Canadian healthcare system.
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) | 0,000 | 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) | 0,004 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».