International comparison on the factors influencing reimbursement of expensive cancer drugs.
Notice bibliographique
Résumé
6614 Background: Reimbursement policy for expensive cancer drugs is heterogeneous and inconsistent among countries. We compared the pattern of publically funded drug programs of ten countries. Methods: We investigated reimbursement policies of 19 indications with expensive cancer drugs (nilotinib, dasatinib, imatinib, pemetrexed, bevacizumab, sunitinib, temsirolimus, lapatinib, crizotinib, erlotinib, cetuximab, sorafenib and lenalidomide) in ten countries (Australia, Canada, England, France, Germany, Japan, Korea, Sweden, Taiwan, and the United States). Microarray analysis methodology is adopted to cluster the countries according to the pattern of reimbursement, based on incremental cost effectiveness ratio (ICER) and other variables of 19 indications. The earlier a country starts reimbursement for the indication, the higher reimbursement score (RS) is assigned to the country. Fairness index (FI) was determined for each country, depending on whether reimbursement decision follows ICER sequence. Results: Except for US, Japan and France were more likely to reimburse the indications (16/19), whereas Sweden and UK were less likely to reimburse them (5/19 and 6/19, respectively). From array analysis, we observed three separate groups: 1) France and Germany, 2) Korea and Japan, 3) UK, Sweden, Canada, Taiwan and Austrailia. The details of analysis will be presented. Regarding FI, Sweden (0.75), France (0.73) and UK (0.71) were the countries with high FI, in which health system was financed by general taxation and health technology assessment (HTA) was performed by government agency. Korea (0.34), Taiwan (0.40) and Germany (0.46) were the countries with low FI, in which social health insurance was financed by payroll tax or premium rather than general taxation. HTA was performed by non-government agency (Germany) or recently established government agency (2007 in Taiwan and 2009 in Korea) in these countries. Conclusions: Reimbursement policies for expensive cancer drugs are variable among the nations. Countries where health system is funded by general taxation and HTA is performed by government agency showed consistency of reimbursement policy based on ICER.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».