MétaCan
Menu
Retour à la cohorte
Enregistrement W2136325259 · doi:10.12927/hcpol.2011.22177

Access to Cancer Drugs in Canada: Looking Beyond Coverage Decisions

2011· article· en· W2136325259 sur OpenAlexaffvenueabout
Roger Chafe, Anthony J. Culyer, Mark Dobrow, Peter C. Coyte, Carol Sawka, Kara Laing, Maureen Trudeau, Sharon R. Smith, Jeffrey S. Hoch, Steve Morgan, Stuart Peacock, Rick Abbott, Terrence Sullivan

Notice bibliographique

RevueHealthcare policy · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensUniversity of TorontoUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCancer drugsConsistency (knowledge bases)CancerDrugMedicineSelection (genetic algorithm)Family medicineBusinessPharmacologyInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine variation in patients' access to a set of cancer drugs through publicly funded provincial drug programs. DATA SOURCES/STUDY DESIGN: We surveyed provincial drug program managers about their highest-expenditure intravenous and oral cancer drugs. We then investigated whether the same cancer drugs account for the highest expenditures across the provincial programs. We also compared the rates at which these drugs are accessed through these programs. PRINCIPAL FINDINGS: While there is moderate consistency in the selection of cancer drugs that account for the highest provincial expenditures, considerable differences were found in the rates at which some drugs are accessed across provincial programs. CONCLUSIONS: The study demonstrates the existence of interprovincial variation in publicly funded access to cancer drugs even after these drugs have been approved for public coverage.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,345

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,009
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,320
Écart entre enseignants0,234 · 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
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

Citations35
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207