MétaCan
Menu
Retour à la cohorte
Enregistrement W1432569973 · doi:10.2147/ceor.s87462

Acceptance of health technology assessment submissions with incremental cost-effectiveness ratios above the cost-effectiveness threshold

2015· article· en· W1432569973 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueClinicoEconomics and Outcomes Research · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute for Health and Care Excellence
Mots-clésMedicineCost effectivenessHealth technologyData scienceComputer scienceRisk analysis (engineering)Health careEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: In health technology assessment (HTA) agencies where cost-effectiveness plays a role in decision-making, an incremental cost-effectiveness ratio (ICER) threshold is often used to inform reimbursement decisions. The acceptance of submissions with ICERs higher than the threshold was assessed across different agencies and across indications, in order to inform future reimbursement submissions. METHODS: All HTA appraisals from May 2000 to May 2014 from National Institute for Health and Care Excellence (NICE), Scottish Medicines Consortium (SMC), Pharmaceutical Benefits Advisory Committee (PBAC), and Canadian Agency for Drugs and Technologies in Health (CADTH) were assessed. Multiple technology appraisals, resubmissions, vaccination programs, and requests for advice were excluded. Submissions not reporting an ICER, or for which an ICER could not be determined were also excluded. The remaining appraisals were reviewed, and the submitted ICER, recommendation, and reasoning behind the recommendation were extracted. RESULTS: NICE recommended the highest proportion of submissions with ICERs higher than the threshold (34% accepted without restrictions; 20% with restrictions), followed by PBAC (16% accepted without restrictions; 4% with restrictions), SMC (11% accepted without restrictions; 14% accepted with restrictions), and CADTH (0% accepted without restrictions; 26% with restrictions). Overall, the majority of higher-than-threshold ICER submissions were classified into the "malignant disease and immunosuppression" therapeutic category; however, there was no notable variation in acceptance rates by disease area. Reasons for accepting submissions reporting ICERs above the threshold included high clinical benefit over the standard of care, and addressing an unmet therapeutic need. CONCLUSION: Acceptance of submissions with higher-than-threshold ICERs varied by HTA agency and was not significantly influenced by disease category. Such submissions must be accompanied by robust, concrete, and transparent evidence in order to achieve patient access.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,070
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0700,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,651
Tête enseignante GPT0,611
Écart entre enseignants0,040 · 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