MARC

 008260126s2025        us                              c    eng  d
■001000017358401
■00520260202104656
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798288823749
■035    ▼a(MiAaPQ)AAI32115799
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a614
■1001  ▼aAlbirair,  Mohamed.
■24510▼aApplications  of  Mathematical  Modeling  in  Implementing  Cancer-Control  Strategies
■260    ▼a[Sl]▼bUniversity  of  Washington▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a92  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  A.
■500    ▼aAdvisor:  Etzioni,  Ruth;Watkins,  David.
■5021  ▼aThesis  (Ph.D.)--University  of  Washington,  2025.
■520    ▼aMathematical  modeling  (MM)  is  a  valuable  tool  in  planning  and  evaluating  health  interventions.  Modeling  and  simulating  change  prior  to  implementing  interventions  or  policies  is  a  recognized  strategy  in  the  field  of  implementation  science.  However,  in  spite  of  its  potential,  it  is  under-utilized  in  this  field,  since  the  majority  of  studies  applying  MM  simulate  health  outcomes  rather  than  implementation  outcomes,  such  as  equity,  reach  and  cost.  The  overall  objective  of  this  research  is  to  demonstrate,  through  case  three  studies,  applications  of  MM  in  implementing  cancer-control  interventions.The  first  application  involves  exploring  whether  race-informed,  prostate-specific  antigen  (PSA)-based  screening  strategies  could  mitigate  observed  racial  disparities  in  fatal  prostate  cancer  (PCa)  in  the  US.  This  aim  is  motivated  by  other  studies  concluding  that  Black  men  have  greater  disease  burden  at  an  earlier  onset.  I  used  a  microsimulation  model  of  PCa  natural  history,  which  was  calibrated  to  incidence  data  from  population-based  registry  data  and  randomized  trials.  The  model  approximates  historical  incidence  and  mortality  rates  for  the  general  US  population  and  for  Black  men  under  historical  PSA-based  screening.  I  projected  and  compared  age-specific  incidence  of  fatal  PCa  (fPCa)  for  the  general  US  population  and  for  Black  men  under  both  historical  and  hypothetical  intensified  PSA-based  screening  strategies,  shortening  the  inter-screening  interval  from  biennial  to  annual  and  lowering  the  starting  age  for  Black  men  from  50  to  40  years.  I  concluded  that  Targeted  PSA-based  screening  can  potentially  mitigate  racial  disparities  in  fPCa  incidence  particularly  among  young  men,  but  yet  does  not  eliminate  those  disparities.  Outputs  from  this  aim  could  inform  designing  race-specific  prostate-cancer  screening  guidelines.In  the  second  application,  I  evaluate  the  cost-effectiveness  implications  of  disseminating  blood-based  tests  for  colorectal  cancer  (CRC)  screening  among  currently-screened  populations  in  US.  This  aim  was  motivated  by  other  studies  concluding  that  blood  tests  are  less  cost-effective  but  more  convenient  compared  to  other  screening  tests.  I  used  two  microsimulation  models  which  simulate  individual  life  histories  of  adenoma  development,  growth,  and  progression  to  CRC.  Both  models  were  calibrated  to  incidence  data  from  population-based  registry  data.  The  main  parameters  that  defined  my  simulation  scenarios  were  the  percentage  of  switching  to  blood  tests  among  those  who  have  been  participating  in  screening,  and  the  percentage  of  new  uptake  of  blood  tests  among  those  who  never  screened  before.  Under  different  combinations  of  these  two  parameters,  I  projected  health  outcomes,  costs,  and  cost-effectiveness  of  introducing  blood  tests,  calculated  and  reported  model-specific  thresholds  levels  of  how  much  new  uptake  is  needed  to  offset  the  losses  resulting  from  switching.  By  factoring  in  trade-offs  involved  in  improving  adherence,  reducing  effectiveness  and  increasing  costs,  this  aim  will  inform  policy  decision  making  with  regards  to  screening  modalities.In  the  third  application,  I  projected  the  health  outcomes  and  implementation  costs  for  Uganda  adopting  a  selected  list  of  comprehensive  cancer-control  strategies  targeting  the  five  highest-broaden  cancer  types  (cervical,  prostate,  esophagus,  breast,  and  liver).  This  was  a  proof-of-concept  model-building  exercise  and  was  meant  to  help  identify  financing  strategies  to  deliver  cancer  care,  since  efforts  in  cancer  modeling  lack  comprehensive,  integrated  policy-focused  models  that  cover  multiple  standardized  sets  of  interventions.  I  built  a  hybrid  model  that  is  composed  of:  (i)  an  open-population  average,  state-transition  (Markov)  model  for  health  state  projection;  and  (ii)  a  Cohort  Component  Model  for  population  projections  in  future  years.  I  simulated  a  scenario  where  an  intervention  package  with  coverage  scale  up  (80%)  and  out-of-pocket  expenditure  scale  down  (0%)  by  2050.  I  projected  deaths  averted,  costs,  and  cases  of  inducted  poverty  under  different  financing  strategies.  The  work  also  allowed  quantifying  financial  risk  protection  and  assessing  Universal  Health  Coverage.  Building  on  this  work,  I  also  plan  on  developing  a  decision-support  tool  to  aid  policymakers  in  prioritizing  cancer  prevention  and  early  detection  strategies.Collectively,  my  work  will  facilitate  adoption  and  dissemination  of  evidence-based  interventions  and  promote  evidence-informed  decision-making  in  the  field  of  cancer  control.
■590    ▼aSchool  code:  0250.
■650  4▼aPublic  health
■650  4▼aHealth  education
■653    ▼aCancer
■653    ▼aCancer  screening
■653    ▼aCancer-control  interventions
■653    ▼aImplementation  strategies
■653    ▼aMathematical  modeling
■690    ▼a0573
■690    ▼a0769
■690    ▼a0680
■71020▼aUniversity  of  Washington▼bGlobal  Health.
■7730  ▼tDissertations  Abstracts  International▼g87-01A.
■790    ▼a0250
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358401▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books