Economic Evaluation of a Geriatric Oncology Clinic
Notice bibliographique
Résumé
Geriatric assessment (GA) is supported by recent trials and guidelines yet rarely implemented due to a lack of resources. We performed an economic evaluation of a geriatric oncology clinic. Pre-GA proposed treatments and post-GA actual treatments were obtained from a detailed chart review of patients seen at a single academic centre. GA-based costs for investigations and referrals were calculated. Unit costs were obtained for surgical, radiation, systemic therapy, laboratory, imaging, physician, nursing, and allied health care (all in 2019 Canadian dollars). A six-month time horizon and government payer perspective were used. Consecutive patients aged 65 years or older (n = 152, mean age 82 y) and referred in the pre-treatment setting between July 2016 and June 2018 were included. Treatment plans were modified for 51% of patients. Costs associated with planned treatment were CAD 3,655,015. Costs associated with GA and related interventions were CAD 95,798. Final treatment costs were CAD 2,436,379. Net savings associated with the clinic were CAD 1,122,837, or CAD 7387 per patient seen. Findings were robust in multiple sensitivity analyses. Combined with mounting trial data demonstrating the clinical benefits of GA, our data can inform a strong business case for geriatric oncology clinics in health care environments similar to ours, but additional studies in diverse health care settings are warranted.
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 | 0,025 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».