Clinical and economic impact of molecular testing for BRAF fusion in pediatric low-grade Glioma
Notice bibliographique
Résumé
BACKGROUND: Treatment personalization via tumor molecular testing holds promise for improving outcomes for patients with pediatric low-grade glioma (PLGG). We evaluate the health economic impact of employing tumor molecular testing to guide treatment for patients diagnosed with PLGG, particularly the avoidance of radiation therapy (RT) for patients with BRAF-fusion. METHODS: We performed a model-based cost-utility analysis comparing two strategies: molecular testing to determine BRAF fusion status at diagnosis against no molecular testing. We developed a microsimulation to model the lifetime health and cost outcomes (in quality-adjusted life years (QALYs) and 2018 CAD, respectively) for a simulated cohort of 100,000 patients newly diagnosed with PLGG after their initial surgery. RESULTS: The life expectancy after diagnosis for individuals who did not receive molecular testing was 39.01 (95% Confidence Intervals (CI): 32.94;44.38) years and 40.08 (95% CI: 33.19;45.76) years for those who received testing. Our findings indicate that patients who received molecular testing at diagnosis experienced a 0.38 (95% CI: 0.08;0.77) gain in QALYs and $1384 (95% CI: $-3486; $1204) reduction in costs over their lifetime. Cost and QALY benefits were driven primarily by the avoidance of long-term adverse events (stroke, secondary neoplasms) associated with unnecessary use of radiation. CONCLUSIONS: We demonstrate the clinical benefit and cost-effectiveness of molecular testing in guiding the decision to provide RT in PLGG. While our results do not consider the impact of targeted therapies, this work is an example of the value of simulation modeling in assessing the long-term costs and benefits of precision oncology interventions for childhood cancer, which can aid decision-making about health system reimbursement.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».