Cancer drug expenditure in British Columbia and Saskatchewan: a trend analysis
Notice bibliographique
Résumé
BACKGROUND: Expenditure on systemic therapy for cancer has been increasing quickly owing to population growth, increased use, both in the number of users and in prescription volume, and rising drug prices. Our objective was to describe trends in expenditure in British Columbia and Saskatchewan's cancer care systems and to elucidate these drivers of growth. METHODS: In this trend analysis, we obtained pharmacy dispensing records from the BC Cancer and Saskatchewan Cancer Agency pharmacies for all anticancer therapies dispensed in 2006-2013. We calculated total annual expenditure directly from the data and conducted a trend analysis of crude and standardized annual expenditure using generalized linear models. We estimated trends in the following components of total expenditure: cancer incidence, number of systemic therapy users per incident case, number of dispensed prescriptions per user and cost per prescription. Analysis was stratified by patient age group, cancer site and route of administration (oral or intravenous/other). RESULTS: Expenditure on systemic therapies, adjusted for population growth and aging, increased an average of 9.2% (95% confidence interval [CI] 7.2 to 11.2) per year in Saskatchewan and 6.4% (95% CI 5.3 to 7.6) per year in BC. Growth in expenditure on orally administered agents was more than 2 times higher than growth in expenditure on intravenous/other agents. Growth rates varied significantly by cancer site. In both provinces, rising cost per prescription was the largest contributor to overall growth. INTERPRETATION: Price is the primary driver of growth in systemic therapy expenditure in both BC and Saskatchewan. Understanding the mechanisms of expenditure growth may inform system planning and support policy-makers' efforts to manage rising costs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».