Overcoming Obstacles in Accessing Unfunded Oral Chemotherapy: Physician Experience and Challenges
Notice bibliographique
Résumé
PURPOSE: Previous studies have shown hematologists and medical oncologists may not accept the financial limits set by governing agencies on patient access to oral chemotherapy. The purpose of this study was to capture the methods physicians used to overcome barriers to accessing chemotherapeutic regimens for their patients. METHODS: A total of 640 medical oncologists and hematologists across Canada were surveyed using a 13-item Web-based survey tool. The survey was delivered by e-mail with three follow-up reminders. After a response period of 3 months, results were collated and analyzed with descriptive statistics. RESULTS: Of the 640 invitations, 568 were successfully delivered, and 183 responses were received (response rate, 32.0%). Among respondents, 101 treated solid malignancies (55.2%), 49 treated nonsolid malignancies (26.8%), and 33 treated both (18.0%). To overcome funding barriers, participating oncologists enrolled patients onto clinical trials (90.5%), used compassionate access programs (96.1%), and made special requests to government (91.8%). Other methods included writing false claims on forms to fit funding criteria for drugs (31.1%) and using leftover drug supplies (31.0%). Physicians felt their inability to obtain unfunded medications had a negative impact on their patients' clinical outcomes (56.0%) and psychosocial quality of life (73.0%). Only 28.5% of physicians contacted their governing body with concerns about oral chemotherapy funding. CONCLUSION: Canadian physicians use numerous methods to obtain unfunded oral chemotherapies, including falsifying claims on access forms and submitting special requests to government agencies. Further study is warranted to explore the disconnection between policymakers and physicians with regard to funding of oral chemotherapies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 ».