MétaCan
Menu
← Retour à la cohorte
Enregistrement W6976439795 · doi:10.6084/m9.figshare.12601276.v2

Costs of in-house genomic profiling and implications for economic evaluation: a case example of non-small cell lung cancer (NSCLC)

2020· article· en· W6976439795 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfiling (computer programming)Activity-based costingCost estimateCost–benefit analysisHealth economicsEconomic evaluationMedical costsCost driver

Résumé

récupéré en direct d'OpenAlex

Genomic profiling in oncology is vital for determining eligible patients for mutation-specific targeted therapies. Use of commercial genomic testing has the potential to improve patient outcomes. Economic evaluations of in-house genomic profiling typically only include material costs while external commercial services include many other factors. Using non-small cell lung cancer (NSCLC) as an example, this study sought to characterize the unique challenges of costing testing services and their impact on results of economic evaluations. Structured interviews with Canadian oncologists, pathologists, and laboratory directors were conducted to identify material and non-material costs associated with genomic-testing laboratories to allow estimation of a more complete cost of in-house testing, with NSCLC cost-per-test calculated using annual operational costs and NSCLC-specific testing volume. A health and budget impact model of in-house versus external commercial profiling services was used to compare the impact of non-material costs on results. In-house testing costs, limited to materials, was $133/single-gene test and $1,400/panel. For a laboratory running 1,300 in-house tests/year, total annual non-material costs included equipment maintenance ($6,842), labor ($502,313; technicians, administrative, and medical staff), shipping/reporting and software updates ($146,050), for an additional $519/test. The combined cost of $652/single-gene and $1,919/panel was compared to a cost of $6,194 for a commercial external test. Based on current Canadian testing patterns and anticipated utilization of external testing, inclusion of in-house non-material costs reduced the estimated 3-year budget impact by 12%. When conducting economic evaluation to assess the value of introducing external tests, it is critical that non-material costs of standard testing strategies be measured and incorporated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,049
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,002
Communication savante0,0060,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,369
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetLung Cancer Treatments and Mutations→Travaux en français237 207→