MétaCan
Menu
Retour à la cohorte
Enregistrement W4405453061 · doi:10.1080/14796694.2024.2421152

An early economic evaluation of active surveillance for low-risk ductal carcinoma <i>in situ</i>

2024· article· en· W4405453061 sur OpenAlexaff
Danalyn Byng, Michael Schaapveld, Esther H. Lips, Frederieke van Duijnhoven, Jelle Wesseling, Wim H. van Harten, Valesca P. Retèl

Notice bibliographique

RevueFuture Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensCanadian Association of Psychosocial Oncology
Organismes subventionnairesKWF KankerbestrijdingCancer Research UK
Mots-clésMedicineDuctal carcinomaIn situCarcinoma in situBreast cancerCarcinomaOncologyCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Aim: Perform early economic evaluation comparing active surveillance (AS) to surgery for women with low-risk ductal carcinoma in situ, a precursor of invasive breast cancer.Materials & methods: A 10-year incremental costs (€) and quality-adjusted life years (QALYs) were compared between a simulated cohort of women undergoing breast conserving surgery ± radiotherapy, and a cohort with a low-risk subgroup undergoing AS using a semi-Markov model. Scenario and headroom analyses evaluated a better-performing biomarker to select low-risk women for AS.Results: AS resulted in lower costs and survival, but higher QALYs (±0.40). Scenario analyses maintained survival outcomes and maximized QALYs.Conclusion: AS for low-risk ductal carcinoma in situ is cost-effective, but a better-performing biomarker to select low-risk women can maximize quality-adjusted outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,551
Score d'incertitude au seuil0,347

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,385
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture OncologyMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207