A Comparison of International Modeling Methods for Evaluating Health Economics of Colorectal Cancer Screening: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: Cost-effectiveness analysis (CEA) is an accepted approach to evaluate cancer screening programs. CEA estimates partially depend on modeling methods and assumptions used. Understanding common practice when modeling cancer relies on complete, accessible descriptions of prior work. This review's objective is to comprehensively examine published CEA modeling methods used to evaluate colorectal cancer (CRC) screening from an aspiring modeler's perspective. It compares existing models, highlighting the importance of precise modeling method descriptions and essential factors when modeling CRC progression. METHODS: MEDLINE, EMBASE, Web of Science, and Scopus electronic databases were used. The Consolidated Health Economic Evaluation Reporting Standards statement and data items from previous systematic reviews formed a template to extract relevant data. Specific focus included model type, natural history, appropriate data sources, and survival analysis. RESULTS: Seventy-eight studies, with 52 unique models were found. Twelve previously published models were reported in 39 studies, with 39 newly developed models. CRC progression from the onset was commonly modeled, with only 6 models not including it as a model component. CONCLUSIONS: Modeling methods needed to simulate CRC progression depend on the natural history structure and research requirements. For aspiring modelers, accompanying models with clear overviews and extensive modeling assumption descriptions are beneficial. Open-source modeling would also allow model replicability and result in appropriate decisions suggested for CRC screening programs.
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 | 0,077 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,028 |
| Bibliométrie | 0,024 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».