Use of individualized starting dose and niraparib hematologic adverse event management costs in ovarian cancer
Notice bibliographique
Résumé
Aim: To understand the impact of the niraparib individualized starting dose (ISD), compared with fixed starting dose (FSD), on the cost of hematologic adverse event (AE) management from a US payer perspective. Methods: The frequencies of grade ≥3 hematologic AEs that occurred in >1% of patients treated with niraparib were obtained from the primary analysis results of the phase III PRIMA/ENGOT-OV26/GOG-3012 trial. US unit costs for each grade ≥3 AE in the base case were obtained from the 2017 Agency for Healthcare Research and Quality Healthcare Cost and Utilization Project database; unit costs were adjusted to 2020 US dollars. AE management costs per patient were calculated by multiplying AE unit cost by the frequency of each AE by niraparib starting dose. Because AEs were assumed to occur independently of one another, costs were added to derive the total cost. Results: For niraparib, the estimated AE management cost per patient was lower for the ISD than the FSD for all hematologic AEs (FSD vs ISD: thrombocytopenia, $4701.87 vs $1921.89; anemia, $2784.00 vs $1760.59; platelet count decreased, $2103.47 vs $922.51; neutropenia, $2112.50 vs $1369.56; neutrophil count decreased, $1285.87 vs $770.38). The total mean calculated AE management cost per patient was $12,987.71 with the FSD and $6744.93 with the ISD. Conclusion: For niraparib, the cost of managing hematologic AEs in the US was reduced by almost half with the ISD compared with the FSD. The cost reduction and improvements in safety associated with the niraparib ISD support its use in clinical practice.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».