MétaCan
Menu
← Retour à la cohorte
Enregistrement W4212935676 · doi:10.1101/2022.02.11.22270859

Clinical and economic benefits of lenzilumab plus standard of care compared with standard of care alone for the treatment of hospitalized patients with Coronavirus Disease 19 (COVID-19) from the perspective of National Health Service England

2022· preprint· en· W4212935676 sur OpenAlexaff
Adrian Kilcoyne, E. O. Jordan, Kimberly Thomas, Alicia N. Pepper, Allen S. Zhou, Dale Chappell, Miyuru Amarapala, Rachel-Karson Thériault, Melissa L. Thompson Bastin

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensEVERSANA (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineCohortMechanical ventilationPopulationIntensive care unitEmergency medicineClinical trialCohort studyHealth careIntensive care medicineInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose Estimate the clinical and economic benefits of lenzilumab plus standard of care (SOC) compared with SOC alone in the treatment of hospitalized COVID-19 patients from the National Health Service (NHS) England perspective. Methods A cost calculator was developed to estimate the clinical benefits and costs of adding lenzilumab to SOC in newly hospitalized COVID-19 patients over 28 days. The LIVE-AIR trial results informed the clinical inputs: failure to achieve survival without ventilation (SWOV), mortality, time to recovery, intensive care unit (ICU) admission, and invasive mechanical ventilation (IMV) use. Base case costs included drug acquisition and administration for lenzilumab and remdesivir and hospital resource costs based on level of care required. Clinical and economic benefits per weekly cohort of newly hospitalized patients were also estimated. Results In all populations examined, specified clinical outcomes were improved with lenzilumab plus SOC over SOC treatment alone. In a base case population aged <85 years with C-reactive protein (CRP) <150 mg/L, with or without remdesivir, adding lenzilumab to SOC was estimated to result in per-patient cost savings of £1,162. In a weekly cohort of 4,754 newly hospitalized patients, addition of lenzilumab to SOC could result in 599 IMV uses avoided, 352 additional lives saved, and over £5.5 million in cost savings. Scenario results for per-patient cost savings included: 1) aged <85 years, CRP <150 mg/L, and receiving remdesivir (£3,127); 2) Black patients with CRP <150 mg/L (£9,977); and 3) Black patients from the full population (£2,369). Conversely, in the full mITT population, results estimated additional cost of £4,005 per patient. Conclusion Findings support clinical benefits for SWOV, mortality, time to recovery, time in ICU, time on IMV, and ventilator use, and an economic benefit from the NHS England perspective when adding lenzilumab to SOC for hospitalized COVID-19 patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,447
Écart entre enseignants0,345 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→