Cost-effectiveness analysis of first-line treatment with crizotinib in ROS1-rearranged advanced non-small cell lung cancer (NSCLC) in Canada
Notice bibliographique
Résumé
INTRODUCTION: While no direct comparative data exist for crizotinib in ROS1+ non-small cell lung cancer (NSCLC), studies have suggested clinical benefit with this targeted agent. The objective of this study was to assess the cost-effectiveness of crizotinib compared to standard platinum-doublet chemotherapy for first-line treatment of ROS1+ advanced NSCLC. METHODS: A Markov model was developed with a 10-year time horizon from the perspective of the Canadian publicly-funded health care system. Health states included progression-free survival (PFS), up to two further lines of therapy post-progression, palliation and death. Given a lack of comparative data and small study samples, crizotinib or chemotherapy studies with advanced ROS1+ NSCLC patients were identified and time-to-event data from digitized Kaplan-Meier curves were collected to pool PFS data. Costs of drugs, treatment administration, monitoring, adverse events and palliative care were included in 2018 Canadian dollars, with 1.5% discounting. An incremental cost-effectiveness ratio (ICER) was estimated probabilistically using 5000 simulations. RESULTS: In the base-case probabilistic analysis, crizotinib produced additional 0.885 life-years and 0.772 quality-adjusted life-years (QALYs) at an incremental cost of $238,077, producing an ICER of $273,286/QALY gained. No simulations were found to be cost-effective at a willingness-to-pay threshold of $100,000/QALY gained. A scenario analysis assuming efficacy equivalent to the ALK+ NSCLC population showed a slightly more favorable cost-effectiveness profile for crizotinib. CONCLUSIONS: Available data appear to support superior activity of crizotinib compared to chemotherapy in ROS1+ advanced NSCLC. At the list price, crizotinib was not cost-effective at commonly accepted willingness-to-pay thresholds across a wide range of sensitivity analyses.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».