MétaCan
Menu
Retour à la cohorte
Enregistrement W4220928355 · doi:10.1080/13696998.2022.2053403

Total cost of testing for genomic alterations associated with next-generation sequencing versus polymerase chain reaction testing strategies among patients with metastatic non-small cell lung cancer

2022· article· en· W4220928355 sur OpenAlexaff
Julie Vanderpoel, Andrea L. Stevens, Bruno Émond, Marie‐Hélène Lafeuille, Annalise Hilts, Patrick Lefèbvre, Laura Morrison

Notice bibliographique

RevueJournal of Medical Economics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesJanssen Scientific Affairs
Mots-clésMedicineKRASInternal medicineOncologyPersonalized medicinePolymerase chain reactionGenetic testingCancerBioinformaticsGeneGeneticsColorectal cancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: To assess the total cost of testing associated with next-generation sequencing (NGS) versus polymerase chain reaction (PCR) testing strategies among patients with metastatic non-small cell lung cancer (mNSCLC) from a Medicare and US commercial payer's perspective. MATERIALS AND METHODS: A decision tree model considered testing for genomic alterations in EGFR, ALK, ROS1, BRAF, KRAS, MET, HER2, RET, NTRK1 among patients with newly diagnosed mNSCLC using (1) liquid or tissue biopsy NGS tests, (2) exclusionary mutation (KRAS) test followed by sequential PCR tests, (3) sequential PCR tests, or (4) hotspot panel PCR tests. The alteration test sequence followed clinical guideline recommendations. Inputs based on literature, expert opinion, or assumptions included prevalence of mNSCLC, proportion of patients using each testing strategy (50% NGS [90% tissue, 10% liquid], 10% exclusionary, 10% sequential, 30% hotspot), proportion testing positive for each genomic mutation, rebiopsy rates, and costs for testing and associated medical care. Time to appropriate targeted therapy initiation and total costs were calculated for NGS, each PCR testing strategy, and all PCR strategies combined. RESULTS: Among a hypothetical plan of 1,000,000 members (75% commercial, 25% Medicare), 1,119 patients were estimated to have mNSCLC and be eligible for testing. Estimated mean time to appropriate targeted therapy was 2 weeks for NGS and 6 weeks for PCR (sequential: 9 weeks, exclusionary: 8 weeks, hotspot: 3 weeks). Mean per patient costs were $4,932 for NGS and $6,605 for PCR (exclusionary: $5,563, sequential: $6,263, hotspot: $7,066). Per patient costs were higher from a commercial perspective (NGS: $6,225; PCR: $8,430) relative to Medicare (NGS: $2,099; PCR: $2,646); nevertheless, NGS was the least costly testing strategy across plan types. CONCLUSION: NGS was associated with the fastest time to appropriate targeted therapy initiation and lowest total cost of testing compared to PCR testing strategies for newly diagnosed patients with mNSCLC.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
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)0,0050,000

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 Opus0,057
Tête enseignante GPT0,299
Écart entre enseignants0,242 · 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'étudeObservationnel
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

Citations50
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical EconomicsMême sujetLung Cancer Treatments and MutationsTravaux en français237 207