Cost and cost-effectiveness of childhood cancer treatment in low-income and middle-income countries: a systematic review
Notice bibliographique
Résumé
INTRODUCTION: A major barrier to improving childhood cancer survival is the perception that paediatric oncology services are too costly for low-income and middle-income country (LMIC) health systems. We conducted a systematic review to synthesise existing evidence on the costs and cost-effectiveness of treating childhood cancers in LMICs. METHODS: We searched multiple databases from their inception to March 2019. All studies reporting costs or cost-effectiveness of treating any childhood cancer in an LMIC were included. We appraised included articles using the Consolidated Health Economic Evaluation Reporting Standards (CHEERS) checklist. Where possible, we extracted or calculated the cost per disability-adjusted life year (DALY) averted using reported survival and country-specific life expectancy. Cost/DALY averted was compared with per capita gross domestic product (GDP) as per WHO-Choosing Interventions that are Cost-Effective guidelines to determine cost-effectiveness. RESULTS: Of 2802 studies identified, 30 met inclusion criteria. Studies represented 22 countries and nine different malignancies. The most commonly studied cancers were acute lymphoblastic leukaemia (n=10), Burkitt lymphoma (n=4) and Wilms tumour (n=3). The median CHEERS checklist score was 18 of 24. Many studies omitted key cost inputs. Notably, only 11 studies included healthcare worker salaries. Cost/DALY averted was extracted or calculated for 12 studies and ranged from US$22 to US$4475, although the lower-end costs were primarily from studies that omitted key cost components. In all 12, cost/DALY averted through treatment was substantially less than country per capita GDP, and therefore considered very cost-effective. CONCLUSION: Many included studies did not account for key cost inputs, thus underestimating true treatment costs. Costs/DALY averted were nonetheless substantially lower than per capita GDP, suggesting that even if all relevant inputs are included, LMIC childhood cancer treatment is consistently very cost-effective. While additional rigorous economic evaluations are required, our results can inform the development of LMIC national childhood cancer strategies.
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 | 0,009 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,012 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».