Assay-guided treatment sequencing in chronic lymphocytic leukemia (CLL): a cost-effectiveness analysis
Notice bibliographique
Résumé
Costly targeted cancer treatments challenge publicly-funded healthcare systems seeking to align expected benefit with value for money. In 2021, The Canadian Agency for Drugs and Technologies in Health (CADTH) published a provisional funding algorithm for risk-based treatment of chronic lymphocytic leukemia (CLL). We estimate the cost-effectiveness of this algorithm against current standard of care. We constructed a probabilistic Markov model comparing next generation sequencing (NGS) assay-guided front-line treatment of acalabrutinib versus venetoclax with obinutuzumab to a comparator wherein patients initiate acalabrutinib. The primary outcome was the incremental cost-effectiveness ratio (ICER) per quality-adjusted life-year (QALY) gained. Analyses were conducted from the British Columbia healthcare system perspective, with outcomes discounted at 1.5%. Assay informed treatment for patients with CLL resulted in an incremental cost effectiveness ratio of $18,040 (95% CI $16,491-$19,501) per quality adjusted life-year (QALY) gained. The probability of the NGS guided treatment algorithm being cost effective was 80% at a willingness to pay threshold of $50,000 and a corresponding ICER of $18,040. Assay-guided treatment sequencing adds additional costs to healthcare but may be a cost-effective intervention for adult patients with CLL. Integration of real-world evidence would improve the validity and reliability of model estimated for decision-makers.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».