Treatment patterns and medical costs after hepatectomy in real‐world practice for patients with hepatocellular carcinoma in Japan
Notice bibliographique
Résumé
AIM: To examine the treatment patterns and medical costs in real-world practice among patients who received hepatectomy for hepatocellular carcinoma (HCC) in Japan. METHODS: Data of patients who underwent hepatectomy as an initial therapy for primary HCC were extracted from a Japanese medical claims database from April 2008 to December 2019. The types of additional treatments for recurrent HCC and medical costs for up to 3 years from the first hepatectomy were analyzed. The average cumulative cost per patient starting on the date of the first hepatectomy was calculated using the Kaplan-Meier sample-average method. RESULTS: Data from 2 342 patients (median age, 71 years) were analyzed. Overall, 35.6% of patients received at least one HCC treatment within 3 years of the first hepatectomy. The total average cumulative 3-years medical cost was JPY 4 993 300 (95% confidence interval [CI]: 4 804 100 to 5 220 500). Surgical procedures were the most costly components in the first month after hepatectomy, whereas the costs of drugs, which mainly included antiviral and antineoplastic medications, increased thereafter. Patients with advanced stage HCC, hepatitis C, or a higher Charlson Comorbidity Index at hepatectomy, or those who required additional treatment, especially with antineoplastic drugs for recurrent HCC, incurred higher medical costs. CONCLUSIONS: Patients with HCC after hepatectomy experienced a large economic burden, which was more serious for those with advanced stage HCC, higher comorbidities, and hepatitis at baseline and for patients treated with antineoplastic drugs. A treatment selection that considers its medical cost burden would help to reduce some of these economic burdens.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».