MétaCan
Menu
Retour à la cohorte
Enregistrement W3037379129 · doi:10.1080/13696998.2020.1789152

Costs of in-house genomic profiling and implications for economic evaluation: a case example of non-small cell lung cancer (NSCLC)

2020· article· en· W3037379129 sur OpenAlexaffabout
Karissa Johnston, Brandon S. Sheffield, Stephen Yip, Pardis Lakzadeh, Christina Qian, Julian Nam

Notice bibliographique

RevueJournal of Medical Economics · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensSpinal Cord Injury BCRoche (Canada)William Osler Health SystemVancouver Coastal Health
Organismes subventionnairesnon disponible
Mots-clésMedicineProfiling (computer programming)Activity-based costingLung cancerOperations managementOncologyBusinessAccountingComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Genomic profiling in oncology is vital for determining eligible patients for mutation-specific targeted therapies. Use of commercial genomic testing has the potential to improve patient outcomes. Economic evaluations of in-house genomic profiling typically only include material costs while external commercial services include many other factors. Using non-small cell lung cancer (NSCLC) as an example, this study sought to characterize the unique challenges of costing testing services and their impact on results of economic evaluations. METHODS: Structured interviews with Canadian oncologists, pathologists, and laboratory directors were conducted to identify material and non-material costs associated with genomic-testing laboratories to allow estimation of a more complete cost of in-house testing, with NSCLC cost-per-test calculated using annual operational costs and NSCLC-specific testing volume. A health and budget impact model of in-house versus external commercial profiling services was used to compare the impact of non-material costs on results. RESULTS: In-house testing costs, limited to materials, was $133/single-gene test and $1,400/panel. For a laboratory running 1,300 in-house tests/year, total annual non-material costs included equipment maintenance ($6,842), labor ($502,313; technicians, administrative, and medical staff), shipping/reporting and software updates ($146,050), for an additional $519/test. The combined cost of $652/single-gene and $1,919/panel was compared to a cost of $6,194 for a commercial external test. Based on current Canadian testing patterns and anticipated utilization of external testing, inclusion of in-house non-material costs reduced the estimated 3-year budget impact by 12%. CONCLUSION: When conducting economic evaluation to assess the value of introducing external tests, it is critical that non-material costs of standard testing strategies be measured and incorporated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,366
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Medical EconomicsMême sujetLung Cancer Treatments and MutationsTravaux en français237 207