MétaCan
Menu
← Retour à la cohorte
Enregistrement W2890761658 · doi:10.1200/jco.2017.35.15_suppl.e18295

Market capitalism in cancer pharmaceuticals.

2017· article· en· W2890761658 sur OpenAlexaffabout
Henry Jacob Conter

Notice bibliographique

RevueJournal of Clinical Oncology · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensWilliam Osler Health System
Organismes subventionnairesnon disponible
Mots-clésFormularyMedicineHealth careActuarial scienceFamily medicineBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

e18295 Background: How can health technology assessments be deployed in a market-based healthcare system to improve value and sustainability? Methods: The pan-Canadian Oncology Drug Review (pCODR) is an evidence-based, cancer drug review process that guides formulary decision-making. As of 1/1/17, data from all 98 reviews and economic guidances were abstracted for price of medication, total health care cost per patient, cost-utility provided by the submitter and re-analysis by pCODR. Regression analysis identified correlations. Expected use of therapy was estimated employing data from the Canadian Cancer Society. An optimal formulary was developed, optimizing value for money. Results: Of the 98 reviews, 13 were not finalized, 3 were withdrawn, 1 was suspended. 4 reviews were excluded since the base-case was ambiguous. The median drug price per 28-day cycle was $7,567 (range $2,800-$18,435), with no annual difference from 2012-2016 (p = 0.49). The median best-estimate of cost-utility was $190,858/QALY (IQR $125,585/QALY) with a median net increase in health system cost of $62,771/patient (IQR $89,260) and 0.48 LYG/patient (range 0.04-2.43). Cost per 28-day cycle was a weak predictor of value (R² = 0.02, p < 0.01), and not of health system cost (R² = 0.14, p = 0.06). Funding all efficacious medications by a single payer insurance plan in Canada would require $5.91 billion producing 31,705 QALYs, annually. 26% of the cumulative budget would buy 41% of the health benefit, 56% of the budget would buy 70% of the effect. Once a budget is determined, new medication would replace drugs of higher cost per QALY. Employing this method increased QALY yield of the budget by 67%, 21%, 15%, and 14% at $1B, $2B, $3B, and $4B, respectively. The formulary turnover would be 66%, 44%, 37%, and 22% at each respective budget level. Conclusions: An optimized formulary requires practical deployment of HTA, the ability to shift resources across budgets, and the ability to continuously renegotiate prices based on incremental value. Future work is needed on publically acceptable divestment methods for lower value pharmaceuticals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0070,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0320,002

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.

Tête enseignante Opus0,817
Tête enseignante GPT0,676
Écart entre enseignants0,141 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→