Cost–utility analysis of second-line therapy with rituximab compared to tumour necrosis factor inhibitors in rheumatoid arthritis
Notice bibliographique
Résumé
OBJECTIVE: To compare direct costs and treatment utility associated with the second-line therapy with rituximab and tumour necrosis factor inhibitors (TNFis) (adalimumab, etanercept, and infliximab) in patients with Rheumatoid Arthritis (RA) using data from a prospective registry. METHODS: = 129) who had to discontinue a first-line TNFi and were treated with rituximab, adalimumab, etanercept, or infliximab as the second-line therapy between January 2007 and May 2016. A decision analytic model followed patients for 1 and 6 years. Treatment utility was measured as quality-adjusted life-years (QALYs) gained, which were calculated from HAQ-DI scores observed over the follow-up time. Quebec 2020 unit costs (Canadian Dollars, $) were used to value healthcare resource consumption. A probabilistic sensitivity analysis was performed with 10,000 Monte Carlo simulations to assess uncertainty around point-estimates of cost-utility. RESULTS: Over 1-year, rituximab and etanercept resulted in the effectiveness of 0.80 QALYs gained at the cost of $14,291and $18,880, respectively, and were dominant (i.e. associated with lower costs and more QALYs gained) compared to adalimumab (0.79 QALYs, $18,825) and infliximab (0.76 QALYs, $20,158). Over 6-years, rituximab (4.42 QALYs, $82,402) was dominant compared to adalimumab (4.30 QALYs, $101,420), etanercept (4.02 QALYs, $99,191), and infliximab (3.71 QALYs, $100,396). In the probabilistic analysis, rituximab was dominant over adalimumab, etanercept, and infliximab with the probability of 0.51, 0.62, and 0.65, respectively. CONCLUSION: Real-world data revealed differences between alternative biologic agents used as the second-line therapy in terms of both treatment costs for the healthcare system and utility of treatment for patients. Therefore, new guidelines on the order of selecting and switching biologic agents should be explored.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».