Developing a Comprehensive Framework for Cost-Effectiveness Evaluation in Metastatic Castration-Sensitive Prostate Cancer: Insights from a Systematic Review
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Metastatic castration-sensitive prostate cancer (mCSPC) imposes a significant economic burden and necessitates more cost-effective treatment strategies. The variability among the components of published economic evaluation models leads to methodological inconsistencies, underscoring the need for an optimal framework to minimise unwarranted structural variation. This paper reviews existing economic evaluations, establishes a comprehensive framework and aims to support future economic evaluations and decision-making in mCSPC. METHODS: A systematic literature review (SLR) was conducted to identify relevant economic evaluations in mCSPC. Health technology assessments (HTAs) by the National Institute for Health and Care Excellence, and Canada's Drug Agency were reviewed to gather insights on critiques and limitations. On the basis of these findings, a comprehensive cost-effectiveness modelling framework was established. Furthermore, two additional SLRs were conducted to identify cost and resource utilisation inputs, as well as health state utility scores derived from published studies and HTA assessments. RESULTS: Markov models and partitioned survival models (PSMs) were commonly reported in literature and published HTA evaluations. Despite the strong precedence of PSMs, we propose an optimal framework for mCSPC utilising a semi-Markov structure. This approach offers increased flexibility, allowing transition rates from progressed states to depend on time since progression occurred. We also present key sources of cost and utility data identified in the SLR. DISCUSSION: This work aligns with methodologies recommended by the Innovative Medicine Initiative (IMI) PIONEER external group and published studies. The optimal framework, including healthcare resource utilisation and utility data, consolidates existing modelling precedents in mCSPC and will assist the cost-effectiveness assessment of treatments for this condition.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,001 |
| 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 ».