Cost‐effectiveness of the McGill interactive pediatric oncogenetic guidelines in identifying Li–Fraumeni syndrome in female patients with osteosarcoma
Notice bibliographique
Résumé
BACKGROUND: Li-Fraumeni syndrome (LFS) is a penetrant cancer predisposition syndrome (CPS) associated with the development of many tumor types in young people including osteosarcoma and breast cancer (BC). The McGill Interactive Pediatric OncoGenetic Guidelines (MIPOGG) decision-support tool provides a standardized approach to identify patients at risk of CPSs. METHODS: We conducted a cost-utility analysis, from the healthcare payer perspective, to compare MIPOGG-guided, physician-guided, and universal genetic testing strategies to detect LFS in female patients diagnosed at an age of less than 18 years with osteosarcoma. We developed a decision tree and discrete-event simulation model to simulate the clinical and cost outcomes of the three genetic referral strategies on a cohort of female children diagnosed with osteosarcoma, especially focused on BC as subsequent cancer. Outcomes included BC incidence, quality-adjusted life-years (QALYs), healthcare costs, and incremental cost-utility ratios (ICURs). We conducted probabilistic and scenario analyses to assess the uncertainty surrounding model parameters. RESULTS: Compared to the physician-guided testing, the MIPOGG-guided strategy was marginally more expensive by $105 (-$516; $743), but slightly more effective by 0.003 (-0.04; 0.045) QALYs. Compared to MIPOGG, the universal testing strategy was $1333 ($732; $1953) more costly and associated with 0.011 (-0.043; 0.064) additional QALYs. The ICUR for the MIPOGG strategy was $33,947/QALY when compared to the physician strategy; the ICUR for universal testing strategy was $118,631/QALY when compared to the MIPOGG strategy. DISCUSSION: This study provides evidence for clinical and policy decision-making on the cost-effectiveness of genetic referral strategies to identify LFS in the setting of osteosarcoma. MIPOGG-guided strategy was most likely to be cost-effective at a willingness-to-pay threshold value of $50,000/QALY.
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 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 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 ».