Impact of Oral Targeted Therapy on the Economic Burden of Chronic Lymphocytic Leukemia in Canada
Notice bibliographique
Résumé
Background: Continuous oral targeted therapy (OTT) for chronic lymphocytic leukemia (CLL) represents an effective therapy but also a major economic burden on the healthcare system. This study aimed to estimate future direct costs, along with the prevalence, of CLL in the era of continuous OTT in Canada. Methods: The economic burden of OTT was modelled and compared to chemoimmunotherapy (CIT), for CLL treatment. The burden was assessed/projected from 2011 to 2025. For the OTT scenario, CIT was considered the standard of care before 2015, while OTT was considered standard of care for patients with either unmutated immunoglobulin heavy-chain variable (IGHV) or del(17p)/TP53 mutations starting in 2015 and, from 2020 onwards, for all first-line treatments except for patients with mutated IGHV. A Markov model was developed including four health states: watchful-waiting, first-line treatment, relapse and death. Costs of therapy, follow-up/monitoring and adverse events were included. Key clinical parameters were extracted from pivotal clinical trials. Results: As incidence rates and rate of survival are increasing, the prevalence of CLL in Canada is projected to increase 1.8-fold, from 8301 patients in 2011 to 14,654 by 2025. Correspondingly, the total annual costs of CLL management are predicted to increase 15.7-fold, from $60.8 million to $957.5 million during that same period. Conclusions: Although OTT enhances survival for patients with CLL, it is nonetheless associated with an important economic burden due to the projected vast increase in costs from 2011 to 2025. Changes in clinical strategies, such as implementation of a fixed OTT treatment duration, could help alleviate financial burden.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».