Do different clinical evidence bases lead to discordant health-technology assessment decisions? An in-depth case series across three jurisdictions
Notice bibliographique
Résumé
BACKGROUND: Health-technology assessment (HTA) plays an important role in informing drug-reimbursement decision-making in many countries. HTA processes for the Pharmaceutical Benefits Advisory Committee (PBAC) in Australia, the Common Drug Review (CDR) in Canada, and the National Institute for Health and Clinical Excellence (NICE) in England and Wales are among the most established in the world. In this study, we performed nine in-depth case studies to assess whether different clinical evidence bases may have influenced listing recommendations made by PBAC, CDR, and NICE. METHODS: Nine drugs were selected for which the three agencies had provided listing recommendations for the same indication between 2007 and 2010. We reviewed the evidence considered for each listing recommendation, identified the similarities and differences among the clinical evidence bases considered, and evaluated the extent to which different clinical evidence bases could have contributed to different decisions based on HTA body comments and public assessment of the evidence. RESULTS: HTA agencies reached the same recommendation for reimbursement (recommended for listing) for four drugs and different recommendations for five drugs. In all cases, each agency used different evidence bases in their recommendations. The agencies considered overlapping sets of clinical comparators and trials when evaluating the same drug. While PBAC and NICE considered indirect and/or mixed-treatment comparisons, CDR did not. In some cases, CDR and/or NICE excluded trials from review if the drug and/or the comparator were not administered according to the relevant marketing authorization. CONCLUSIONS: In the listing recommendations reviewed, considerable variability exists in the clinical evidence considered by PBAC, CDR, and NICE for drug-listing recommendations. Differences in evidence resulted from differences in the consideration of indirect and mixed-treatment comparison data and differences in medical practice in each jurisdiction.
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 | 0,047 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».