Intégration des mesures intermédiaires de survie dans les évaluations économiques en cancer du sein métastatique
Bibliographic record
Abstract
De nos jours, il est de plus en plus fréquent de recourir à des mesures intermédiaires d’efficacité telles que la survie sans progression (SSP) et le temps avant la progression de la tumeur (TPT) afin d’estimer l’efficacité d’un nouvel agent anticancéreux. Cependant, l’absence de mesures finales comme la survie globale (SG) complexifie la prise de décision par rapport au remboursement des nouveaux traitements anticancéreux. Ainsi, cette thèse se concentre sur différents aspects de l’intégration des mesures intermédiaires d’efficacité dans les évaluations économiques en oncologie, spécifiquement en cancer du sein métastatique. Une première étude a évalué la relation entre la SSP/TPT et la SG dans le contexte du cancer du sein métastatique. Une revue systématique de la littérature a identifié les études cliniques randomisées portant sur l’efficacité d’un traitement anticancéreux chez les femmes atteintes d’un cancer du sein métastatique et rapportant des données de SSP/TPT et de SG. Les résultats de cette étude ont démontré qu’il existe une relation statistiquement significative, d’une part, entre la SSP/TPT médiane et la SG médiane (r = 0.428; p ≤ 0,01), et d’autre part, entre l’effet de traitement sur la SSP/TPT et l’effet de traitement sur la SG (r = 0.427; p ≤ 0,01). Selon les résultats obtenus, la SSP/TPT pourrait être considérée comme un substitut valide de la SG, justifiant ainsi son utilisation dans les évaluations économiques en cancer du sein métastatique. Une deuxième étude a évalué l’utilisation des mesures intermédiaires de survie dans les évaluations économiques en cancer avancé et identifié les méthodes utilisées pour intégrer ces mesures en l’absence de données de SG. Une revue systématique de la littérature a été réalisée pour recenser les évaluations économiques de type coût-efficacité et coût-utilité ayant intégré des mesures intermédiaires de survie. Cette étude a démontré l’ampleur de l’utilisation des mesures intermédiaires de survie dans les évaluations économiques en cancer avancé. Par ailleurs, plusieurs approches ont été identifiées pour pallier l’absence de données de SG, notamment l’utilisation d’un risque de décès post-progression équivalent pour les groupes à l’étude, le recours à des comparaisons indirectes basées sur de nombreuses hypothèses, l’utilisation d’une mesure intermédiaire comme proxy de la SG, le recours à l’opinion d’experts et l’utilisation de données associées à un traitement différent ou une ligne de traitement différente. Enfin, une troisième étude s’est penchée sur le développement d’un modèle pharmacoéconomique générique canadien intégrant les mesures intermédiaires de survie en cancer du sein métastatique. Ce modèle de Markov inclut des paramètres spécifiques aux traitements sous évaluations (coût de traitement, données de survie et incidence des effets indésirables) de même que des paramètres globaux qui ne dépendent pas des traitements évalués (caractéristiques des patientes, valeurs d’utilité associées aux états de santé du modèle, pertes d’utilité et coûts des effets indésirables, coûts d’administration des traitements, coûts de suivi médical et coûts des soins prodigués en fin de vie). Le modèle a été validé en évaluant sa capacité à répliquer des résultats d’études existantes. Ce modèle permet d’uniformiser l’évaluation économique des nouveaux traitements en cancer du sein métastatique et pourrait par conséquent, devenir un outil d’aide à la décision de référence pour les organismes responsables du remboursement des médicaments au Canada. Bref, les résultats de ces trois études répondent à une problématique importante dans l’évaluation économique des traitements en oncologie et pourront contribuer à faciliter la prise de décision en santé.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.088 | 0.160 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.007 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".