MétaCan
Menu
Retour à la cohorte
Enregistrement W2302791461 · doi:10.1093/jnci/djv392

An Ethical Framework for Allocating Scarce Life-Saving Chemotherapy and Supportive Care Drugs for Childhood Cancer

2016· article· en· W2302791461 sur OpenAlexaff
Yoram Unguru, Conrad V. Fernandez, Stacey L. Berg, Kim Pyke-Grimm, Catherine Woodman, Steven Joffe

Notice bibliographique

RevueJNCI Journal of the National Cancer Institute · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensIzaak Walton Killam Health CentreDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCompromisePrioritizationScarcityRationingMedicineRisk analysis (engineering)Multidisciplinary approachEconomic shortageActuarial scienceBusinessIntensive care medicineHealth careEconomicsProcess managementPolitical scienceEconomic growthMicroeconomicsGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

Shortages of life-saving chemotherapy and supportive care agents for children with cancer are frequent. These shortages directly affect patients' lives, compromise both standard of care therapies and clinical research, and create substantial ethical challenges. Efforts to prevent drug shortages have yet to gain traction, and existing prioritization frameworks lack concrete guidance clinicians need when faced with difficult prioritization decisions among equally deserving children with cancer. The ethical framework proposed in this Commentary is based upon multidisciplinary expert opinion, further strengthened by an independent panel of peer consultants. The two-step allocation process includes strategies to mitigate existing shortages by minimizing waste and addresses actual prioritization across and within diseases according to a modified utilitarian model that maximizes total benefit while respecting limited constraints on differential treatment of individuals. The framework provides reasoning for explicit decision-making in the face of an actual drug shortage. Moreover, it minimizes bias that might occur when individual clinicians or institutions are forced to make bedside rationing and prioritization decisions and addresses the challenge that individual clinicians face when confronted with bedside decisions regarding allocation. Whenever possible, allocation decisions should be supported by evidence-based recommendations. "Curability," prognosis, and the incremental importance of a particular drug to a given patient's outcome are the critical factors to consider when deciding how to allocate scarce life-saving cancer drugs.

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)0,108
score de la tête « metaresearch » (Gemma)0,113
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,570

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1080,113
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,035
Communication savante0,0100,008
Science ouverte0,0050,006
Intégrité de la recherche0,0200,017
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,047
Tête enseignante GPT0,407
Écart entre enseignants0,360 · 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'étudeThéorique ou conceptuel
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

Citations34
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJNCI Journal of the National Cancer InstituteMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207