Cost-Effectiveness Analysis of Contemporary Advanced Prostate Cancer Treatment Sequences
Notice bibliographique
Résumé
There has been a proliferation of novel treatments for the management of advanced prostate cancer (PCa), including androgen receptor pathway inhibitors (ARPI). Although there are health economic analyses of novel PCa treatments, such as ARPIs for specific health states, there is a lack of sequential analyses. Our paper aims to fill this gap. We developed a Monte Carlo Markov model to simulate the management of advanced PCa to end-of-life. We modeled patients who begin in metastatic and nonmetastatic castration-sensitive PCa (mCSPC and nmCSPC), with risk stratification for mCSPC, progressing to metastatic castration-resistant PCa (mCRPC). Using current guidelines and recent literature, we simulated admissible treatment sequences over these states along a 15-year horizon. We report the best treatment sequences in terms of efficacy and cost-effectiveness. We find that the most cost-effective use of ARPIs is early in advanced PCa for a cost-effectiveness threshold (CET) of CAD 100K per QALY. For a CET of CAD 50K per QALY, early ARPI use is most cost-effective in mCSPC-starting patients but not nmCSPC-starting. We conclude that the most cost-effective way to use ARPIs is when patients first enter advanced PCa. The most cost-effective ARPI at current Canadian prices is abiraterone, mostly due to abiraterone's lower price level.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».