Cost-effectiveness analysis of pembrolizumab as an adjuvant treatment of early-stage non-small cell lung cancer following complete resection and platinum-based chemotherapy in Canada
Notice bibliographique
Résumé
AIM: To assess the cost-effectiveness of adjuvant pembrolizumab (Keytruda) versus routine observation of adult patients with stage IB (T2a ≥ 4 cm) -IIIA with programmed cell death ligand 1 (PD-L1) tumor proportion score (TPS) <50% who have undergone complete resection and platinum-based chemotherapy from the Canadian public healthcare payer perspective. MATERIALS AND METHODS: A Markov model was constructed to capture clinical and economic outcomes across four health states: disease-free (DF), local-regional recurrence (LR), distant metastases (DM), and death. Transition probabilities (TPs) from the DF state were populated using clinical trial data from KEYNOTE-091. TPs from the LR state were from real-world evidence (RWE). Clinical trial and network meta-analysis output populated transitions from DM. TPs from LR and DM were calibrated to fit the KEYNOTE-091 survival data. Costs were reported in 2023 Canadian dollars and utilities were based on data from KEYNOTE-091 and metastatic NSCLC clinical trials. RESULTS: Pembrolizumab extended life years (LYs) (1.55) and quality-adjusted life years (QALYs) (1.19). Costs increased by $84,050, resulting in an incremental cost-effectiveness ratio (ICER) per additional LY of $54,219 and per additional QALY of $70,725, below the willingness-to-pay threshold of $100,000. Survival gains associated with pembrolizumab were attributed to more time spent in the DF health state. Higher costs for pembrolizumab were due to adjuvant treatment costs but were partially offset by lower subsequent treatment costs in downstream health states, reflecting a lower risk of recurrence associated with pembrolizumab. The model results remained robust across scenario and sensitivity analyses. LIMITATIONS: Due to lack of transition probabilities starting from the LR and DM states from the KEYNOTE-091 trial, TPs from the LR and DM states were estimated using non-trial sources. CONCLUSIONS: Adjuvant pembrolizumab was found to be cost-effective compared to routine observation from the public healthcare payer perspective in Canada.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».