Cost-Effectiveness Analysis of Sequential Treatment Strategies for Advanced Melanoma in Real Life in France
Notice bibliographique
Résumé
Nine drugs have been marketed for 10 years for the treatment of advanced melanoma (AM). With half of patients reaching a second line, the optimal sequence of treatments remains unclear. To inform policy-makers about their efficiency, we performed a cost-effectiveness analysis of sequential strategies in clinical practice in France, for BRAF-mutated and wild-type patients. A multistate model was developed to describe treatment sequences, associated costs, and health outcomes over 10 years. Sequences, clinical outcomes, utility scores, and economic data were extracted from the prospective Melbase cohort, collecting individual data in 1518 patients since 2013, from their AM diagnosis until their death. To adjust the differences in patients' characteristics among sequences, weighting by inverse probability was used. In the BRAF-mutated population, the MONO-targeted therapies (TT)-anti-PD1 sequence was the less expensive, whereas the anti-PD1-BI-TT sequence had an incremental cost-effectiveness ratio (ICER) of 180,441 EUR/QALY. Regarding the BRAF wild-type population, the three sequences constituted the cost-effective frontier, with ICERs ranging from 116 to 806,000 EUR/QALY. For BRAF-mutated patients, the sequence anti-PD1-BI-TT appeared to be the most efficient one in BRAF-mutated AM patients until 2018. Regarding the BRAF wild-type population until 2018, the sequence starting with IPI+NIVO appeared inefficient compared to anti-PD1, considering the extra cost for the QALY gained.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».