Using decision modeling to determine pricing of new pharmaceuticals: The case of neurokinin-1 receptor antagonist antiemetics for cancer chemotherapy
Notice bibliographique
Résumé
OBJECTIVES: Decision analysis is commonly used to perform economic evaluations of new pharmaceuticals. The outcomes of such studies are often reported as an incremental cost per quality-adjusted life year (QALY) gained with the new agent. Decision analysis can also be used in the context of estimating drug cost before market entry. The current study used neurokinin-1 (NK-1) receptor antagonists, a new class of antiemetics for cancer patients, as an example to illustrate the process using an incremental cost of dollars Can20,000 per QALY gained as the target threshold. METHODS: A decision model was developed to simulate the control of acute and delayed emesis after cisplatin-based chemotherapy. The model compared standard therapy with granisetron and dexamethasone to the same protocol with the addition of an NK-1 before chemotherapy and continued twice daily for five days. The rates of complete emesis control were abstracted from a double-blind randomized trial. Costs of standard antiemetics and therapy for breakthrough vomiting were obtained from hospital sources. Utility estimates characterized as quality-adjusted emesis-free days were determined by interviewing twenty-five oncology nurses and pharmacists by using the Time Trade-Off technique. These data were then used to estimate the unit cost of the new antiemetic using a target threshold of dollars Can20,000 per QALY gained. RESULTS: A cost of dollars Can6.60 per NK-1 dose would generate an incremental cost of dollars Can20,000 per QALY. The sensitivity analysis on the unit cost identified a range from dollars Can4.80 to dollars Can10.00 per dose. For the recommended five days of therapy, the total cost should be dollars Can66.00 (dollars Can48.00-dollars Can100.00) for optimal economic efficiency relative to Canada's publicly funded health-care system. CONCLUSIONS: The use of decision modeling for estimating drug cost before product launch is a powerful technique to ensure value for money. Such information can be of value to both drug manufacturers and formulary committees, because it would facilitate negotiations for optimal pricing in a given jurisdiction.
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 | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».