The Health Impact of Using Anti-PD-1 Agents to Treat Early-Stage Cancer in Belgium
Notice bibliographique
Résumé
INTRODUCTION: Anti-PD-1 agents, inhibitors of programmed cell death protein 1 (PD-1), significantly improve clinical outcomes and overall survival for individuals with several metastatic and early-stage cancers. This study evaluates the health impact of using anti-PD-1 agents for early-stage disease (ESD) treatment of melanoma (stage IIB-C and III), renal cell carcinoma (RCC), and triple-negative breast cancer (TNBC) in Belgium (2023-2032). METHODS: Belgian individuals eligible for ESD treatment (target population) entered a Markov-based health outcomes model in a recurrence/event/disease-free state. The model compared anti-PD-1 agents only for metastatic disease treatment (reference scenario) versus anti-PD-1 agents for ESD treatment (ESD scenario) from 2023 to 2032. Clinical outcomes of the model included recurrence/event/disease-free life-years (LYs), total LYs, quality-adjusted LYs (QALYs), recurrences/events, active treatments for metastatic disease, and total deaths. The cumulative health impact of ESD anti-PD-1 treatment in Belgium was calculated as the difference in health outcomes between the ESD and reference scenarios for the time horizon. RESULTS: Of the 14,306 eligible individuals, 11,065 were predicted to initiate treatment with anti-PD-1 agents for ESD. Anti-PD-1 therapies for ESD increased recurrence/event/disease-free LYs (+13.4%), total LYs (+4.4%), and QALYs (+4.9%) after 10 years. Additionally, ESD treatment decreased recurrences/events (-24.6%), active treatments for metastatic disease (-28.6%), and total deaths (-23.8% decrease) over 10 years. CONCLUSIONS: The investment in and use of innovative anti-PD-1 agents for the treatment of early-stage cancers would have a positive health impact for Belgium and align with the high standards in cancer care called for in Europe's Beating Cancer Plan.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».