MétaCan
Menu
Retour à la cohorte
Enregistrement W2114054436 · doi:10.4212/cjhp.v62i3.795

Reimbursement for Supportive Cancer Medications Through Private Insurance in Saskatchewan

2009· article· en· W2114054436 sur OpenAlexafffundvenueabout
Kathy Gesy, Lindy Forte, Colleen Olson, C. Atchison

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensSaskatchewan Cancer Agency
Organismes subventionnairesAmgen CanadaUniversity of TorontoSaskatchewan Cancer AgencyAmgen
Mots-clésCopaymentDeductibleReimbursementMedicineLogistic regressionFamily medicinePaymentCancer drugsCost sharingCancerActuarial scienceHealth insuranceBusinessFinanceInternal medicineHealth careNursing

Résumé

récupéré en direct d'OpenAlex

Background: As demand for cancer treatment grows, and newer, more expensive drugs become available, public payers in Canada are finding it increasingly difficult to fund the full range of available cancer drugs.Objective: To determine the extent of private drug coverage for supportive cancer treatments in Saskatchewan, preparatory to exploring the potential for cost-sharing. Methods: Patients who presented for chemotherapy and who provided informed consent for participation were surveyed regarding their access to private insurance. Insurers were contacted to verify patients’ level of coverage for supportive cancer medications. Groups with specified types of insurance were compared statistically in terms of age, income bracket, time required to assess insurance status, and amount of deductible. Logistic regression was used to determine the effect of patients’ age and income on the probability of having insurance.Results: Of 169 patients approached to participate, 156 provided consent and completed the survey. Their mean age was 58.5 years. About two-fifths of all patients (64 or 41%) were in the lowest income bracket (up to $30 000). Sixty-three (40%) of the patients had private insurance for drugs, and 36 (57%) of these plans included reimbursement for supportive cancer medications. A deductible was in effect in 31 (49%) of the plans, a copayment in 28 (44%), and a maximum payment in 8 (13%). Income over $50 000 was a significant predictor of access to drug insurance (p = 0.003), but age was not significantly related to insurance status. Conclusions: A substantial proportion of cancer patients in this study had access to private insurance for supportive cancer drugs for which reimbursement is currently provided by the Saskatchewan Cancer Agency. Cost-sharing and optimal utilization of the multipayer environment might offer a greater opportunity for public payers to cover future innovative and supportive therapies for cancer, but further study is required to determine whether a cost-sharing program would be cost-effective and in the best interest of patients.RÉSUMÉ Contexte : Avec la demande croissante pour les traitements anticancéreux, et l’arrivée de nouveaux médicaments plus coûteux, les payeurs publics canadiens ont de plus en plus de difficultés à rembourser toute la gamme de médicaments anticancéreux maintenant offerts.Objectif : Déterminer dans quelle proportion les médicaments adjuvants des anticancéreux sont remboursés par les régimes privés d’assurance médicaments en Saskatchewan, avant d’évaluer la possibilité du partage des coûts.Méthodes : Les patients qui se sont présentés à une séance de chimiothérapie et qui ont donné leur consentement éclairé à participer au sondage ont répondu à un questionnaire sur leur couverture d’assurance médicaments privée. Un suivi auprès des assureurs de chaque patient a permis de vérifier la couverture offerte pour les médicaments adjuvants des anticancéreux. Les groupes de patients ayant chacun un type défini d’assurance ont été comparés pour ce qui est des critères suivants : âge, tranche de revenu, délai d’évaluation de la couverture d’assurance et montant de la franchise. Un modèle de régression logistique a servi à déterminer l’effet de l’âge et du revenu des patients sur la probabilité d’avoir une assurance.Résultats : Des 169 patients sollicités pour participer au sondage, 156 ont donné leur consentement et répondu au sondage. L’âge moyen était de 58,5 ans. Environ deux cinquièmes des patients (64 ou 41 %) se situaient dans la tranche de revenu le plus faible (jusqu’à 30 000 $). Soixante-trois (40 %) des patients détenaient une assurance médicaments privée, et 36 (57 %) de ces assurances remboursaient les médicaments adjuvants des anticancéreux. Les franchises étaient en vigueur pour 31 (49 %) des assurances, les coassurances pour 28 (44 %) et les remboursements maximums pour 8 (13 %). Un revenu supérieur à 50 000 $ était un facteur prédictif significatif d’accès à une assurance médicaments (p = 0,003), mais pas l’âge.Conclusions : Une proportion considérable de patients atteints de cancer dans cette étude avaient accès à un régime privé d’assurance couvrant les médicaments adjuvants des anticancéreux qui étaient actuellement remboursés par la Saskatchewan Cancer Agency. Le partage des coûts et l’utilisation optimale du contexte de payeurs multiples permettraient aux payeurs de rembourser publics de futurs traitements novateurs et adjuvants du cancer, mais d’autres études sont nécessaires pour déterminer si un programme de partage des coûts serait rentable et dans le meilleur intérêt des patients.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,307

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,291
Écart entre enseignants0,259 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2009
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207