PP33 The Cost-effectiveness Of Regorafenib In The Treatment Of Advanced Hepatocellular Carcinoma From A Canadian Perspective
Notice bibliographique
Résumé
Introduction Hepatocellular carcinoma (HCC) is the most common form of liver cancer and the fourth leading cause of cancer-related death globally. There are unmet needs for effective systematic therapy. The findings of the RESORCE trial highlighted the improvement in overall survival with regorafenib in advanced HCC patients progressing on sorafenib treatment. This study aimed to assess the cost-effectiveness of regorafenib compared with best supportive care (BSC) for advanced HCC from the Canadian healthcare system perspective. Methods We developed a Markov model based on four health states: live with adverse events, live without adverse events, progression, and dead. Health outcomes were measured using life-years (LYs), and quality-adjusted life-years (QALYs), and costs were presented in Canadian dollars (CAD). Clinical inputs were derived from the RESORCE trial. A 1.5 percent discount rate was applied to costs and outcomes. One-way and probabilistic sensitivity analyses were performed to assess the uncertainty in findings due to variability in parameters. TreeAge Pro software was used for model implementation. Results The use of regorafenib results in a gain of 0.38 LYs and 0.25 QALYs as compared to BSC with a high incremental cost of CAD26,954 (USD22,313). The ICER for regorafenib compared with BSC was CAD105,850/QALY (USD87,624/QALY) in the base-case analysis. Further, probabilistic sensitivity analyses revealed regorafenib not to be cost-effective at a willingness-to-pay threshold of CAD50,000/QALY. Conclusions Regorafenib was not found to be cost-effective in the treatment of advanced HCC because of the lower health benefits and higher incremental costs. Lowering the official price of regorafenib or use for only selected patients who can achieve maximum benefits would enhance its cost-effectiveness and treatment preference value.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».