Nationwide cost-effectiveness and quality of life analysis of minimally invasive distal pancreatectomy
Notice bibliographique
Résumé
BACKGROUND: This study analyzed the Quality of Life (QoL) and cost-effectiveness of laparoscopic (LDP) versus robotic distal pancreatectomy (RDP). METHODS: Consecutive patients submitted to LDP or RDP from 2010 to 2020 in four high-volume Italian centers were included, with a minimum of 12 months of postoperative follow-up were included. QoL was evaluated using the EORTC QLQ-C30 and EQ-5D questionnaires, self-reported by patients. After a propensity score matching, which included BMI, gender, operation time, multiorgan and vascular resections, splenic preservation, and pancreatic stump management, the mean differential cost and Quality-Adjusted Life Years (QALY) were calculated and plotted on a cost-utility plane. RESULTS: The study population consisted of 564 patients. Among these, 271 (49%) patients were submitted to LDP, while 293 (51%) patients to RDP. After propensity score matching, the study population was composed of 159 patients in each group, with a median follow-up of 59 months. As regards the QoL analysis, global health and emotional functioning domains showed better results in the RDP group (p = 0.037 and p = 0.026, respectively), whereas the other did not differ. As expected, the median crude costs analysis confirmed that RDP was more expensive than LDP (16,041 Euros vs. 10,335 Euros, p < 0.001). However, the robotic approach had a higher probability of being more cost-effective than the laparoscopic procedure when a willingness to pay more than 5697 Euros/QALY was accepted. CONCLUSION: RDP was associated with better QoL as explored by specific domains. Crude costs were higher for RDP, and the cost-effectiveness threshold was set at 5697 euros/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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».