Clinical Effectiveness and Cost-Effectiveness of Multigene Panel Sequencing in Advanced Melanoma: A Population-Level Real-World Target Trial Emulation
Notice bibliographique
Résumé
PURPOSE Targeted therapy and immunotherapy promise improved survival in patients with advanced melanoma, yet the effectiveness and cost-effectiveness of multigene panel sequencing compared with single-gene BRAF testing to guide therapeutic decisions is unknown. METHODS Our population-based quasi-experimental retrospective target trial emulation used comprehensive patient-level data for 364 British Columbia, Canada, adults with an advanced melanoma diagnosis receiving multigene panel sequencing or single-gene BRAF testing between September 1, 2016, and December 31, 2018. We 1:1 matched multigene panel patients to controls using genetic algorithm–based matching. Outcomes included 3-year overall survival (OS) and health care costs (2021 Canadian dollars [CAD]) with incremental net monetary benefit for life-years gained (LYG). Outcomes were analyzed using inverse probability of censoring weighted linear regression for the intention-to-treat (ITT) effect. The per-protocol (PP) effect estimation also included stabilized inverse probability of treatment weights. We then used Weibull regression and Kaplan-Meier survival analysis. RESULTS We matched 147 multigene panel patients to controls, achieving balance for all covariates. After matching, ITT incremental costs were $19,447 CAD (95% CI, -$19,045 to $50,683) and incremental LYG were 0.22 (95% CI, –0.05 to 0.49). We found uncertainty in differences on OS using Kaplan-Meier ( P = .11) and Weibull regression (hazard ratio [HR], 0.73 [95% CI, 0.51 to 1.03]) in the ITT. PP incremental costs were $25,457 CAD (95% CI, –$5,856 to $59,490) and incremental LYG were 0.39 (95% CI, 0.02 to 0.85), with corresponding differences in OS using Kaplan-Meier ( P = .06) and Weibull regression (HR, 0.62 [95% CI, 0.40 to 0.97]). The probability of multigene panels being cost-effective at $100,000/LYG CAD was 53% for ITT and 74% for PP. CONCLUSION The cost-effectiveness of multigene panels was evenly poised at higher thresholds, even when accounting for treatment initiation. Health systems reimbursing multigene panels and expensive therapies may be confronted with a value tradeoff, in which there may be improved survival albeit with a modest change in cost-effectiveness.
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 | 0,052 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».