Is Long–Axial-Field-of-View PET/CT Cost-Effective? An International Health–Economic Analysis
Notice bibliographique
Résumé
Our aim is to assess the cost-effectiveness of long–axial-field-of-view (LAFOV) versus short–axial FOV (SAFOV) PET/CT systems using international data. Methods: Our model compares equipment and operational costs for a PET/CT center and investigates the effect of camera choice (SAFOV vs. LAFOV) and operational models. Variables include scanner, personnel, radiopharmaceuticals, and operational costs. Economic performance was measured as cost per scan per patient, the total maximum number of scans possible, and the incremental cost-effectiveness ratio. The willingness-to-pay threshold (WTPT) was taken as the cost of a PET/CT scan using the baseline scenario. Radiopharmaceutical requirements, radiation dose to staff and patients, and patient time were modeled. Results: An LAFOV system can examine as many patients per day (n = 36) as 2 SAFOV systems but requires fewer technologists (4.5 LAFOV vs. 6.8 SAFOV full-time equivalents) and lower activity (12.5 vs. 35.6 GBq/d), resulting in lower personnel doses (0.9 vs. 2.0 mSv/y). For all countries, LAFOV resulted in lowest per-patient scan costs. The most cost-ineffective method was the use of extended hours. Incremental cost-effectiveness ratio analysis strongly favored LAFOV for all countries, including low-income economies, with WTPT met for all jurisdictions. Net monetary benefit was highest for LAFOV. The minimum number of patients needed to meet WTPT for LAFOV was lowest in lower-income countries, suggesting that high throughput or high per-procedure income is not a prerequisite for cost-effective LAFOV usage. Conclusion: LAFOV was shown to facilitate higher patient throughput at lower per-patient and total lifetime operational costs and with lower radiopharmaceutical requirements. These data suggest that LAFOV systems are not just suited to well-resourced academic centers but also are an economically attractive solution for community and resource-limited settings.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».