MétaCan
Menu
Retour à la cohorte
Enregistrement W4313454989 · doi:10.1186/s12913-022-08933-z

Cost-effectiveness of pegfilgrastim versus filgrastim for prevention of chemotherapy-induced febrile neutropenia in patients with lymphoma: a systematic review

2022· review· en· W4313454989 sur OpenAlexaffabout
Girma Tekle Gebremariam, Atalay Mulu Fentie, Kebede Beyene, Beate Sander, Gebremedhin Beedemariam Gebretekle

Notice bibliographique

RevueBMC Health Services Research · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueNeutropenia and Cancer Infections
Établissements canadiensInstitute for Clinical Evaluative SciencesPublic Health OntarioUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésPegfilgrastimMedicineFilgrastimFebrile neutropeniaCost effectivenessChecklistSystematic reviewIntensive care medicineCochrane LibraryInternal medicineMEDLINEOncologyNeutropeniaChemotherapyRandomized controlled trial

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Febrile neutropenia (FN) is a prevalent and potentially life-threatening complication in patients with lymphoma receiving myelosuppressive chemotherapy. Pegfilgrastim is more effective than filgrastim as prophylaxis for FN. However, its usage has been limited because of its higher cost. Pegfilgrastim's value for money remains unclear. OBJECTIVE: To systematically review the cost-effectiveness of pegfilgrastim compared to filgrastim as a primary or secondary prophylaxis for chemotherapy-induced FN among patients with lymphoma. METHODS: A systematic literature search was conducted in PubMed, EMBASE, Cochrane Library databases, and Google Scholar. The most widely used economic evaluations (cost-effectiveness analysis, cost-utility analysis and cost-benefit analysis) were included in the review. Data extraction was guided by the Consolidated Health Economic Evaluation Reporting Standards checklist, and the quality of reviewed articles was assessed using the Joanna Briggs Institute (JBI) checklist. Cost-effectiveness data were rigorously summarized and synthesized narratively. Costs were adjusted to US$ 2020. RESULTS: We identified eight economic evaluation studies (two cost-utility analyses, three cost-effectiveness analyses, and three studies reporting both cost-effectiveness and cost-utility analyses). Half of these studies were from Europe (n = 4), the other half were from Iran, USA, Canada, and Singapore. Six studies met > 80% of the JBI quality assessment criteria. Cost-effectiveness estimates in the majority (n = 6) of these studies were for Non-Hodgkin Lymphoma patients receiving myelosuppressive chemotherapy with high-risk of FN (> 20%). The studies considered a wide range of baseline FN risk (17-97.4%) and mortality rates (5.8-8.9%). Reported incremental cost-effectiveness ratios ranged from US$ 2199 to US$ 8,871,600 per quality-adjusted life-year (QALY) gained, dominant to US$ 44,358 per FN averted, and US$ 4261- US$ 7251 per life-years gained. The most influential parameters were medication and hospitalization costs, the relative risk of FN, and assumptions of mortality benefit. CONCLUSIONS: Most studies showed that pegfilgrastim is cost-effective compared to filgrastim as primary and secondary prophylaxis for chemotherapy-induced FN among patients with lymphoma at a cost-effectiveness threshold of US$ 50,000 per QALY gained. The findings could assist clinicians and healthcare decision-makers to make informed decisions regarding resource allocation for the management of chemotherapy-induced FN in settings similar to those studied.

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)0,008
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,035
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0110,012
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
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 Opus0,165
Tête enseignante GPT0,490
Écart entre enseignants0,325 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetNeutropenia and Cancer InfectionsTravaux en français237 207