ASSESSING THE VALUE OF INNOVATIVE MEDICAL DEVICES AND DIAGNOSTICS: THE IMPORTANCE OF CLEAR AND RELEVANT CLAIMS OF BENEFIT
Notice bibliographique
Résumé
OBJECTIVES: Large numbers of new medical devices and diagnostics are developed and health services need to identify which ones offer real advantages. The National Institute for Health and Care Excellence (NICE) has introduced a system for assessing technologies that are often notified by companies, based on claims made for their benefits to patients, the National Health Service, and the environment. METHODS: Detailed scrutiny of claims made for the benefits of products and the corresponding evidence, seeking associations between these and the selection of products for full evaluation to produce NICE guidance. RESULTS: Between 2009 and 2015 a NICE committee considered 169 technologies, of which it selected 74 (44 percent) for full evaluation, based on the claims of benefit and the evidence available. An average of 7.5 claims were made per technology; the total number did not influence selection but presence of studies supporting all the claims (p < .001) or any of the claims (p < .05) had a positive influence, as did claims for quicker patient recovery (p < .001). A greater number of studies to support the claims made selection more likely (p < .001), as did cohort studies (p < .05) and surveys (p < .05) but, unexpectedly, not randomized trials. The Medical Device Directive class had no influence. CONCLUSIONS: This study presents categories of claims that may be useful to those developing new products and to others engaged in health technology assessment. It illustrates the importance of relevant evidence and of having a clear vision of the place of new products in care pathways from an early stage.
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 | 0,323 | 0,681 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,026 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,014 | 0,014 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».