Strategies for Improving Access to Effective Prostate Cancer Medications (Abiraterone and Enzalutamide) in Low- and Middle-Income Countries (LMICs): A Survey Among Nigerian Health Professionals
Notice bibliographique
Résumé
IntroductionThe burden of prostate cancer (PCa) is disproportionately concentrated in low- and middle-income countries (LMICs). Abiraterone and enzalutamide have improved survival rates and quality of life for men with PCa. However, cost constraints limit access to these medications due to limited insurance coverage and out-of-pocket payments. The survey assessed the current practices and opinions of Nigerian clinical oncologists and urologists regarding the use of low dose abiraterone and enzalutamide for the management of metastatic PCa.MethodsThis survey consisted of twenty multiple-choice questions, distributed via Google Forms to urologists and oncologists in Nigeria from August to November 2024. It examined current practices, awareness of effective dose reduction strategies, and opinions on their cost-effectiveness. The collected data were entered into Microsoft Excel, and responses were presented using tables and charts.ResultsA total of 104 respondents completed the survey. Among them, 37 (36%) reported that 61%-80% of their patients initially presented with advanced PCa. Additionally, 55 respondents (53%) were unaware of studies and guidelines regarding low-dose abiraterone. Furthermore, 66% of clinicians indicated that fewer than 20% of their patients could afford abiraterone, and 91 (87.5%) noted that few could afford enzalutamide. Moreover, 92 (89%) respondents believed that low-dose abiraterone would improve compliance, while 76% felt that reducing the enzalutamide dose would also enhance compliance and decrease patient costs. Sixty percent (58%) of respondents were willing to switch to low-dose abiraterone.ConclusionThe survey revealed limited awareness of landmark studies on dose-reduction strategies for abiraterone and enzalutamide. These strategies have the potential to enhance affordability and compliance in the management of advanced PCa in Nigeria.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».