MétaCan
Menu
Retour à la cohorte
Enregistrement W1858755312 · doi:10.1111/head.12585

Reimbursement‐Based Economics – What Is It and How Can We Use It to Inform Drug Policy Reform?

2015· review· en· W1858755312 sur OpenAlexafffundabout
Doug Coyle, Karen M. Lee, Muhammad Mamdani, Kelley-Anne Sabarre, Kylie Tingley

Notice bibliographique

RevueHeadache The Journal of Head and Face Pain · 2015
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensInstitute for Clinical Evaluative SciencesOttawa Public HealthUniversity of TorontoSt. Michael's HospitalInstitute for Work & HealthCanadian Agency for Drugs and Technologies in HealthUniversity of Ottawa
Organismes subventionnairesInstitute for Clinical Evaluative SciencesOntario Ministry of Health and Long-Term CareMinistry of Health, Ontario
Mots-clésReimbursementPublic economicsDrugHealth economicsEconomicsBusinessMedicineEconomic growthPharmacologyHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Ontario, approximately $3.8 billion is spent annually on publicly funded drug programs. The annual growth in Ontario Public Drug Program (OPDP) expenditure has been limited to 1.2% over the course of 3 years. Concurrently, the Ontario Drug Policy Research Network (ODPRN) was appointed to conduct drug class review research relating to formulary modernization within the OPDP. Drug class reviews by ODPRN incorporate a novel methodological technique called reimbursement-based economics, which focuses on reimbursement strategies and may be particularly relevant for policy-makers. OBJECTIVES: To describe the reimbursement-based economics approach. METHODS: Reimbursement-based economics aims to identify the optimal reimbursement strategy for drug classes by incorporating a review of economic literature, comprehensive budget impact analyses, and consideration of cost-effectiveness. This 3-step approach is novel in its focus on the economic impact of alternate reimbursement strategies rather than individual therapies. RESULTS: The methods involved within the reimbursement-based approach are detailed. To facilitate the description, summary methods and findings from a recent application to formulary modernization with respect to the drug class tryptamine-based selective serotonin receptor agonists (triptans) used to treat migraine headaches are presented. CONCLUSIONS: The application of reimbursement-based economics in drug policy reforms allows policy-makers to consider the cost-effectiveness and budget impact of different reimbursement strategies allowing consideration of the trade-off between potential cost savings vs increased access to cost-effective treatments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,061
score de la tête « metaresearch » (Gemma)0,138
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,345

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,138
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0040,021
Communication savante0,0200,029
Science ouverte0,0030,005
Intégrité de la recherche0,0090,010
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,470
Tête enseignante GPT0,465
Écart entre enseignants0,006 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHeadache The Journal of Head and Face PainMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207