Cost-Effectiveness Analysis of Ofatumumab for the Treatment of Relapsing-Remitting Multiple Sclerosis in Canada
Notice bibliographique
Résumé
BACKGROUND: Ofatumumab is a high-efficacy disease-modifying therapy (DMT) approved for first-line treatment of relapsing-remitting multiple sclerosis (RRMS) in Canada. OBJECTIVE: The aim of this study was to evaluate the cost effectiveness of ofatumumab from a Canadian healthcare system perspective. METHODS: A Markov cohort model was run over 65 years using annual cycles, 1.5% annual discount rate, and 100% treatment discontinuation at 10 years. The British Columbia database informed natural history transition probabilities. Treatment efficacy for DMTs were sourced from a network meta-analysis. Clinical trial data were used to estimate probabilities for treatment-related adverse events. Health utilities and costs were obtained from Canadian sources (if available) and the literature. RESULTS: Among first-line indicated therapies for RRMS, ofatumumab was dominant (more effective, lower costs) over teriflunomide, interferons, dimethyl fumarate, and ocrelizumab. Compared with glatiramer acetate and best supportive care, ofatumumab resulted in incremental cost-effectiveness ratios (ICERs) of $24,189 Canadian dollars per quality-adjusted life-year (QALY) and $28,014/QALY, respectively. At a willingness-to-pay threshold of $50,000/QALY, ofatumumab had a 64.3% probability of being cost effective. Among second-line therapies (scenario analysis), ofatumumab dominated natalizumab and fingolimod and resulted in an ICER of $50,969 versus cladribine. CONCLUSIONS: Ofatumumab is cost effective against all comparators and dominant against all currently approved and reimbursed first-line DMTs for RRMS, except glatiramer acetate.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».