Development and economic trends in cancer therapeutic drugs: a 5-year update 2010–2014
Notice bibliographique
Résumé
BACKGROUND: Over the past 20 years, the mechanisms of action, duration of benefits and economic costs of newly licenced cancer drugs have changed significantly; however, summary data on these characteristics are limited. METHODS: In this study, using historical copies of the British National Formulary and relevant contemporary publications, we have documented for each new cancer drug the year of introduction, therapeutic classification, initial indication, median duration of treatment and the cost of treatment at introduction relative to the then current UK GDP per capita. RESULTS: Before 2000, there were 69 cancer treatment drugs available, of which 50 (72.5%) were classical cytotoxic drugs. In the subsequent 15 years, there have been 63 more new cancer treatment drugs added, including 20 kinase inhibitors and 11 monoclonal antibodies. The average median duration of treatment with a new drug has risen from 181 days in 1995-1999 to 263 days in 2010-2014. The average cost of treatment has also risen from £3036.91 (20.6% of UK per capita GDP) in 1995-1999 to £20 233 (89.0%) in 2005-2009 and now to £35 383 (141.7%) in 2010-2014. CONCLUSIONS: The last 5 years has seen 33 new cancer drugs. These drugs deliver significant benefits in patient outcomes and are taken for increasing lengths of time. Alongside these clinical benefits, the direct costs of new treatments have increased significantly over the past decade.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,024 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».