A checklist for managed access programmes for reimbursement co‐designed by Canadian patients and caregivers
Notice bibliographique
Résumé
INTRODUCTION: Reimbursement decisions on orphan drugs carry significant uncertainty, and as the amount increases, so does the risk of making a wrong decision, where harms outweigh benefits. Consequently, patients often face limited access to orphan drugs. Managed access programmes (MAPs) are a mechanism for managing risk while enabling access to potentially beneficial drugs. Patients and their caregivers have expressed support for these programmes and see patient input as critical to successful implementation. However, they have yet to be systematically involved in their design. OBJECTIVE: The aim of this study was to co-design with patients and caregivers a tool for the development of managed access programmes. METHODS: Building upon established relationships with the Canadian Organization for Rare Disorders, the project team collaborated with patients and caregivers using the principles of participatory action research. Data were collected at two workshops and analysed using a thematic network approach. RESULTS: Patients and caregivers co-designed a checklist comprised of six aspects of an ideal MAP relating to accountability (programme goals); governance (MAP-specific committee oversight, patient input, international collaboration); and evidence collection (outcome measures and continuation criteria, on-going monitoring and registries). They recognized that health-care resources are finite and considered disease or drug eligibility criteria for deciding when to use a MAP (eg drugs treating diseases for which there are no other legitimate alternatives). CONCLUSIONS: A patient and caregiver-designed checklist was created, which emphasized patient involvement and transparency. Further research is needed to examine the feasibility of this checklist and roles for other stakeholders.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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 ».