Low-Dose Abiraterone in Metastatic Prostate Cancer: Is It Practice Changing? Facts and Facets
Notice bibliographique
Résumé
PURPOSE: It is projected that approximately 50,000 new cases of prostate cancer will be diagnosed in 2020 in India. Survival has improved because of the development of effective drugs such as abiraterone acetate, but universal accessibility to treatment is not always possible because of cost constraints in lower- and middle-income countries. Recently, the National Comprehensive Cancer Network (NCCN) has included low-dose abiraterone (250 mg/day) with food as an alternative treatment option to full-dose abiraterone (1,000 mg/day) fasting. METHODS: The Science and Cost Cancer Consortium conducted a survey to evaluate the use of abiraterone in India and the opinions of medical oncologists about using low-dose treatment. Modeling was used to estimate potential financial benefits to individual patients and to estimate overall costs of health care in India if low-dose abiraterone is prescribed. RESULTS: Of 251 Indian medical oncologists who were invited to participate in the survey, 125 provided their e-mail address and received the survey; 118 responded (47% of the total). Of these, 25% were not aware of the recent NCCN recommendation, 55% were already prescribing low-dose abiraterone when resources were limited, 7% had already changed their practice, and 29% agreed to switch to a universal practice of using low-dose abiraterone with food; 9% of practitioners would not use low-dose abiraterone. Estimated mean per patient savings was US$3,640, with annual savings of US$182 million in India. CONCLUSION: Use of lower-dose abiraterone would increase access to treatment in India and globally and lead to large cost savings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».