Reply to Naudet and Colleagues. Cost-Effectiveness in Health Technology Assessment—A Case in Alcohol Dependence
Notice bibliographique
Résumé
We would like to thank Drs Naudet, Granger and Braillon for their interest in our work, and for opening a discussion that is of interest here: the consideration of complementary evidence for health technology assessment (HTA) decision-making. By ‘complementary evidence’, we refer to clinical trials, patient’s preference and quality of life, clinical guidance, current clinical practice, and public health, cost-effectiveness and budget impact assessments. As such, it should be understood that a cost-effectiveness analysis, such as the one discussed here, represents an element of evidence that is weighted in relation to a continuum of complementary evidence when assessed by HTA decision makers. Dr Naudet and colleagues have raised several points that we would like to comment on. Firstly, the results and conclusions of the meta-analysis by Palpacuer et al., (2015) should be interpreted with caution, especially from an HTA decision-making point of view. This meta-analysis did not consider the European Medicines Agency (EMA) indication for treatment with nalmefene. Nalmefene is indicated for reduction of alcohol consumption in adult patients with alcohol dependence who have a high drinking-risk level (DRL), who do not have physical withdrawal symptoms and who do not require immediate detoxification. Nalmefene should be initiated only in patients who continue to have a high DRL 2 weeks after initial assessment. The meta-analysis by Palpacuer and colleagues did not consider only patients within nalmefene’s indication but also those with low and medium DRLs at treatment initiation. Having evaluated different populations on the basis of the nalmefene clinical trials’ data, the EMA identified patients with high and very high DRLs as the optimal population for treatment with nalmefene, representing greater public health benefits and better investments of public resources from a healthcare payer point of view than the wider population considered in the meta-analysis by Palpacuer and colleagues.
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 | 0,025 | 0,172 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,004 | 0,010 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,040 | 0,072 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».