Estimating Public Economic Gains from Early Breast Cancer and Curative Treatment: A Case Study in Human Epidermal Growth Factor Receptor (HER-2) Positive Targeted Therapies
Notice bibliographique
Résumé
INTRODUCTION: Cancer diagnosis influences the choices that patients make regarding current and future labor market activity. These choices have implications for governments based on resulting changes in taxes paid and benefits received. In this analysis we explore how human growth receptor 2 (HER2)-positive residual invasive breast cancer and different treatments influence government accounts excluding health costs. METHODS: HER2-positive early breast cancer (eBC) health states from a published disease model were used to establish likelihood of working and wage impact at different stages of disease. The indirect productivity losses for an average woman aged 49 years were translated into fiscal consequences to government by applying an established government perspective-modeling framework. The fiscal projections (discounted) include gross tax revenue by disease stage, government transfer costs related to time off work and early retirement ,and net fiscal balance (e.g., gross taxes-transfers) in three countries Canada, Portugal, and Brazil. RESULTS: The net fiscal balance in Canada for a healthy woman was C$109,551 compared with a HER2-positive eBC woman treated with trastuzumab emtansine (C$69,767) or trastuzumab (C$62,971). A similar pattern was observed in the three countries but reflecting the overall tax burden in each country, labor force activity, and available public benefits. Age at diagnosis was an important determinant of the likely net fiscal balance, as this influences the remaining working years. DISCUSSION: Women diagnosed with HER2-positive eBC were estimated to pay less lifetime gross taxes and receive more in sickness benefits compared with healthy women. Treatments that improve outcomes are likely to offer fiscal gains for government from improved work force participation.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».