A real-world data approach to determine the optimal dosing strategy for pembrolizumab
Notice bibliographique
Résumé
INTRODUCTION: Cancer drug therapy costs continue to rise and threaten the sustainability of Canada's public healthcare system. Previous studies have calculated potential savings utilizing different dosing regimens of cancer treatments. Our objectives were to determine the financial impact of drug wastage and to explore cost-effective dosing regimens for pembrolizumab. METHODS: This was a retrospective study reviewing data for non-small cell lung cancer and melanoma patients at all six BC Cancer Regional Centres during fiscal years 2017 and 2018. Pembrolizumab waste amounts recorded in pharmacy wastage logs were totalled. Estimates of the number of vials used were compared between vial sharing and non-vial sharing practices to determine the cost differences. Costs for dosing regimens used during fiscal years 2017 and 2018 were compared to 2 mg/kg weight-based dosing (to a maximum of 200 mg), 2 mg/kg dosing rounding down within 5% and 10%, and flat dosing of 200 mg. RESULTS: There were a total of 202 non-small cell lung cancer and 182 melanoma patients with 2948 doses dispensed. Documented wastage was valued at $1,829,047.44 (8.65%) and across all six centres, vial sharing could reduce costs by $3,207,600.00 using the 100 mg vials. Compared to fiscal years 2017 and 2018, 2 mg/kg dosing (to a maximum of 200 mg) was the most cost-effective, decreasing costs by $222,719.20; flat dosing of 200 mg was the most expensive, increasing costs by $6,625,260.40. CONCLUSIONS: Having smaller vial sizes, practicing vial sharing, and using weight-based dosing all improve cost savings. Further investigations on the allocation of resources to optimize drug use and minimize wastage are needed.
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 | 0,005 | 0,009 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».