Economic Evaluations of Chimeric Antigen Receptor T-Cell Therapies for Hematologic and Solid Malignancies: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to systematically review evidence on the cost-effectiveness of chimeric antigen receptor T-cell (CAR-T) therapies for patients with cancer. METHODS: Electronic databases were searched in October 2022 and updated in September 2023. Systematic reviews, health technology assessments, and economic evaluations that compared costs and effects of CAR-T therapy in patients with cancer were included. Two reviewers independently screened studies, extracted data, synthesized results, and critically appraised studies using the Philips checklist. Cost data were presented in 2022 US dollars. RESULTS: Our search yielded 1809 records, 47 of which were included. Most of included studies were cost-utility analysis, published between 2018 and 2023, and conducted in the United States. Tisagenlecleucel, axicabtagene ciloleucel, idecabtagene vicleucel, ciltacabtagene autoleucel, lisocabtagene maraleucel, brexucabtagene autoleucel, and relmacabtagene autoleucel were compared with various standard of care chemotherapies. The incremental cost-effectiveness ratio (ICER) for CAR-T therapies ranged from $9424 to $4 124 105 per quality-adjusted life-year (QALY) in adults and from $20 784 to $243 177 per QALY in pediatric patients. Incremental cost-effectiveness ratios were found to improve over longer time horizons or when an earlier cure point was assumed. Most studies failed to meet the Philips checklist due to a lack of head-to-head comparisons and uncertainty surrounding CAR-T costs and curative effects. CONCLUSIONS: CAR-T therapies were more expensive and generated more QALYs than comparators, but their cost-effectiveness was uncertain and dependent on patient population, cancer type, and model assumptions. This highlights the need for more nuanced economic evaluations and continued research to better understand the value of CAR-T therapies in diverse patient populations.
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 | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».