6-STEPPPs: A Modular Tool to Facilitate Clinician Participation in Fair Decisions for Funding New Cancer Drugs
Notice bibliographique
Résumé
PURPOSE: To design a tool to assist clinician participation with cancer drug funding decisions. Public policy-makers and insurers are struggling with funding decisions regarding increasingly expensive new cancer drugs. Increasingly, oncologists are contributing to the process of review that leads to such decisions. We were asked to design a system for ranking new cancer drugs for priority-based funding decisions. METHODS: The "Accountability for Reasonableness" framework informed the design of a six-module multistakeholder decision process blending evidence-based traditional technology assessment methods with individual and cultural values elicitation. The tool was piloted in three settings: (1) videotaped simulated multistakeholder deliberation sessions; (2) clinical oncology leaders; and (3) a regional (Canadian provincial) pharmacy and therapeutics committee making formulary decisions. The modules involve: decision clarification, drug eligibility screening (filtering), clinical performance scoring index, cost modeling, data integration and values clarification, and process evaluation. RESULTS: The tool was feasible to use, acceptable to participants, and able to rank candidate drugs. The pharmacy and therapeutics committee with whom it was tested used the tool as a part of their deliberations, and the tumor group leaders requested its incorporation into organization-based decision making. CONCLUSION: The decision tool can facilitate priority-based cancer drug funding decisions that meet the conditions of fairness as perceived by participants, including oncologists.
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 | 0,025 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».