La industria agroalimentaria en Aragón: competitividad y estrategias empresariales
Notice bibliographique
Résumé
Gene expression profiling (GEP) testing using 12-gene recurrence score (RS) assay (EndoPredict®), 58-gene RS assay (Prosigna®), and 21-gene RS assay (Oncotype DX®) is available to aid in chemotherapy decision-making when traditional clinicopathological predictors are insufficient to accurately determine recurrence risk in women with axillary lymph node-negative, hormone receptor-positive, and human epidermal growth factor-receptor 2-negative early-stage breast cancer. We examined the cost-effectiveness of incorporating these assays into standard practice. A decision model was built to project lifetime clinical and economic consequences of different adjuvant treatment-guiding strategies. The model was parameterized using follow-up data from a secondary analysis of the Anastrozole or Tamoxifen Alone or Combined randomized trial, cost data (2017 Canadian dollars) from the London Regional Cancer Program (Canada) and secondary Canadian sources. The 12-gene, 58-gene, and 21-gene RS assays were associated with cost-effectiveness ratios of $36,274, $48,525, and $74,911/quality-adjusted life year (QALY) gained and resulted in total gains of 379, 284.3, and 189.5 QALYs/year and total budgets of $12.9, $14.2, and $16.6 million/year, respectively. The total expected-value of perfect information about GEP assays' utility was $10.4 million/year. GEP testing using any of these assays is likely clinically and economically attractive. The 12-gene and 58-gene RS assays may improve the cost-effectiveness of GEP testing and offer higher value for money, although prospective evidence is still needed. Comparative field evaluations of GEP assays in real-world practice are associated with a large societal benefit and warranted to determine the optimal and most cost-effective assay for routine use.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».