MétaCan
Menu
Retour à la cohorte
Enregistrement W1657561747 · doi:10.2147/ceor.s39624

Do different clinical evidence bases lead to discordant health-technology assessment decisions? An in-depth case series across three jurisdictions

2013· article· en· W1657561747 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 · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesEli Lilly and Company
Mots-clésNiceMedicineReimbursementListing (finance)ExcellenceHealth technologyFormularyFamily medicineClinical trialEvidence-based medicineAlternative medicineActuarial scienceHealth careBusinessPolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

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.

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)0,039
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0390,011
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,739
Tête enseignante GPT0,662
Écart entre enseignants0,077 · 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