Improving the quality of abstract reporting for economic analyses in oncology.
Notice bibliographique
Résumé
109 Background: Increasing costs of cancer drugs underscore the importance of EA, which convey key information about the relative costs and benefits of new interventions. Although guidelines for abstracts exist for phase I, II, and III oncology trials, similar recommendations for EA are lacking. Our objectives were to 1) identify items considered to be essential for EA abstracts; 2) evaluate the quality of EA abstracts submitted to ASCO, ASH, and ISPOR meetings; and 3) propose guidelines for future reporting. Methods: Health economic experts were surveyed and asked to rate each of 24 possible EA elements on a 5-point Likert scale. A scoring system for abstract quality (0=poor and 100=excellent) was devised based on EA elements with an average expert rating ≥ 3.5. All EA abstracts from ASCO (‘97–‘09), ASH (‘04–‘09) and ISPOR (‘97–‘09) were reviewed and assigned a quality score. Results: Of 99 experts surveyed, 50 (51%) responded. Characteristics of respondents: average age = 53; male = 78%; US / Europe / Canada = 54% / 28% / 18%. A total of 216 abstracts were reviewed: ASCO 53%, ASH 14% and ISPOR 33%. Median quality score was 75 (range 48 to 93), but notable deficiencies were observed. For instance, the cost perspective of the EA was reported in only 61% of abstracts, while the time horizon was described in only 47%. An association was seen between year of presentation and overall quality of abstracts (p=0.001), with those from recent years demonstrating better quality scores. There were also disparities in quality scores among EA of different cancer sites (p=0.005). Conclusions: Quality of EA abstracts for oncology has improved over time, but there is room for improvement. Abstracts may be enhanced using guidelines derived from our survey of experts (see table). [Table: see text]
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 | 0,823 | 0,924 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,006 |
| Méta-épidémiologie (sens large) | 0,010 | 0,016 |
| Bibliométrie | 0,048 | 0,042 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,024 | 0,015 |
| Science ouverte | 0,009 | 0,016 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».