Comparing the Approval and Coverage Decisions of New Oncology Drugs in the United States and Other Selected Countries
Notice bibliographique
Résumé
BACKGROUND: Global pharmaceutical sales for anticancer drugs were $74.4 billion in 2014, ranking first for drugs by therapeutic class. Countries may differ substantially in the approval and coverage decisions for anticancer drugs. OBJECTIVE: To compare the approval and coverage decisions for new anticancer drugs between the United States and 4 other countries: the United Kingdom, France, Australia, and Canada. METHODS: We identified all new anticancer drug indications approved by the FDA between January 1, 2009, and December 31, 2013. For each country, we reviewed the organizations, processes, criteria, and special considerations used to make approval and coverage decisions for the drug indications approved. We further quantified and compared the variations across the 5 countries in the approval and coverage decisions as of June 30, 2014, for new anticancer drug indications. RESULTS: "Of 45 anticancer drug indications approved in the United States between January 1, 2009, and December 31, 2013, 67% (30) were approved by the European Medicines Agency, and 53% (24) were approved in Canada and Australia before December 31, 2013. The U.S. Medicare program covered all 45 drug indications, and as of June 30, 2014, the United Kingdom covered 87% (26) of those approved in Europe- 58% (26) of the drug indications covered by Medicare. France, Canada, and Australia covered 42% (19), 29% (13), and 24% (11) of the drug indications covered by Medicare, respectively". [corrected]. CONCLUSIONS: Approval and reimbursement decisions vary substantially by country. The United States had the fewest access restrictions, and Australia was the most restrictive of the 5 countries that were examined. DISCLOSURES: No outside funding supported this study, and the authors report no conflicts of interest. Study concept and design were contributed primarily by Zhang, along with Hernandez and Hueser. All authors participated in data collection, and data interpretation was performed by Zhang and Hernandez, along with Hueser. The manuscript was written and revised by Zhang and Hernandez, along with Hueser.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».