Elective neck dissection versus positron emission tomography–computed tomography–guided management of the neck in clinically node‐negative early oral cavity cancer: A cost–utility analysis
Notice bibliographique
Résumé
BACKGROUND: In early oral cavity cancer, elective neck dissection (END) for the clinically node-negative (cN0) neck improves survival compared with observation. This paradigm has been challenged recently by the use of positron emission tomography-computed tomography (PET-CT) imaging in the cN0 neck. To inform this debate, we performed an economic evaluation comparing PET-CT-guided therapy with routine END in the cN0 neck. METHODS: Patients with T1-2N0 lateralized oral tongue cancer were analyzed. A Markov model over a 40-year time horizon simulated treatment, disease recurrence, and survival from a US health care payer perspective. Model parameters were derived from a review of the literature. RESULTS: The END strategy was dominant, with a cost savings of $1576.30 USD, an increase of 0.055 quality-adjusted life years (QALYs), a net monetary benefit of $4303 USD, and a 0.22 life-year advantage. END was sensitive to variation in cost and utilities in deterministic and probabilistic sensitivity analyses. PET-CT became the preferred strategy when decreasing occult nodal disease to 18% and increasing the negative predictive value (NPV) of PET-CT to 89% in 1-way sensitivity analyses. In probabilistic sensitivity analysis, assuming a cost effectiveness threshold of $50,000 USD/QALY, END was dominant in 64% of simulations and cost effective in 69.8%. CONCLUSION: END is a cost-effective strategy compared with PET-CT in patients who have node-negative oral cancer. Although lower PET standardized uptake value thresholds would result in fewer false negatives and improved NPV, it is still uncertain that PET-CT would be cost effective, as this would likely result in more false positive tests.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 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 ».