Cost-effectiveness of cladribine tablets versus fingolimod in patients with highly active relapsing multiple sclerosis in Portugal
Notice bibliographique
Résumé
Aims: To assess the cost-utility of cladribine tablets versus fingolimod in patients with highly active relapsing-remitting multiple sclerosis (RRMS) in Portugal.Methods: A 1-year cycle cohort-based Markov state transition model was developed to simulate disease progression, measured by Kurtzke Expanded Disability Status Scale (EDSS), relapses, and conversion to secondary-progressive MS (SPMS). Patients were assumed to remain on treatment until progression to EDSS level 7, conversion to SPMS, or complete loss of efficacy due to waning effect. Natural history was based on British Columbia Multiple Sclerosis registry, London Ontario database, UK MS Trust, and cladribine tablets clinical trial (CLARITY). Portuguese all-cause mortality was adjusted for the MS associated increased mortality. Clinical inputs for active treatments (disability progression and relapse rate) were estimated on a network meta-analysis. Utility weights were derived from UK-MS Survey and published literature. Resource consumption by EDSS and due to relapses was based on published literature, National DRG microdata and expert opinion. Unit costs were obtained from official sources. The analysis was conducted from payers’ perspective, time horizon of 50 years and discount rate of 5%, for both costs and benefits. Uncertainty was assessed via probabilistic and deterministic sensitivity analyses.Results: Compared to fingolimod, cladribine tablets were associated with a delay in progression, resulting in a gain of 0.85 quality adjusted life years (QALYs) and a cost decrease of 25,935 €. Probabilistic sensitivity analysis resulted in a mean ICER of −31,781 € per QALY and was dominant in 98.7% of the simulations. Cladribine tablets were dominant across the scenario analyses tested.Conclusions: Treatment of highly active RRMS with cladribine tablets was less costly and more effective than treatment with fingolimod. Hence, it is a dominant strategy in the Portuguese setting. No conclusions can be drawn from the present study regarding other treatment options, in particular natalizumab and alemtuzumab.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».