International standards for health economic evaluation with a focus on the German approach
Notice bibliographique
Résumé
WHAT IS KNOWN AND OBJECTIVE: Health economic evaluation (HEE) is increasingly used in healthcare decision-making on the allocation of limited resources in national healthcare systems. Although the methods used for HEE vary in different countries, all economic evaluations address two questions: Are limited resources used optimally? Is value for money achieved in their use? Our objective is to explain some fundamental concepts in HEE and how these concepts are adapted in different countries, notably in Germany. METHODS: We performed a bibliographic search to identify existing methods of health economic evaluation of new drugs used by the official agencies of 11 countries (Austria, Australia, Canada, Finland, France, the Netherlands, Norway, New Zealand, Sweden, the United States and England and Wales) and compared them with that used by the German national agency IQWiG. RESULTS AND DISCUSSION: All countries considered follow internationally established standards of HEE. The majority of countries, including Germany, utilize primary outcome parameters such as disease-related morbidity and mortality for assessing relative efficacy and effectiveness. The most frequently recommended form of health economic evaluation is the cost-utility analysis (CUA). The German IQWIG is the only HTA body to use the cost-benefit concept of 'efficiency frontier' in its assessment. WHAT IS NEW AND CONCLUSION: While the core principles of HEE are the same worldwide, there is a lack of harmonization in the details. This requires resource-consuming adaptations in the analyses to meet different national requirements. We describe the core principles of HEE as a common basis for further discussions by all stakeholders.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,064 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».