Impact of novel chronic lymphocytic leukemia drugs on public spending.
Notice bibliographique
Résumé
103 Title: Impact Of Novel Chronic Lymphocytic Leukemia Drugs On Public Spending Background: Chronic lymphocytic leukemia (CLL) is a common hematologic malignancy that mainly affects the elderly. Over the past five years, the treatment pathway for CLL has dramatically changed with the emergence of multiple novel agents. In Ontario, Canada, the Ontario Drug Benefit (ODB) program and the New Drug Funding Program (NDFP) primarily provide public coverage for CLL drugs. Given advances in treatment, we evaluated utilization trends for publicly-funded CLL drugs over a five year period (fiscal years 2012/13 to 2016/17). Methods: Drugs with primary CLL indications funded under the two public funding programs (i.e., ODB and NDFP) by 16/17 were included (n = 6). Claims and costs data were obtained from the Institute for Clinical Evaluative Sciences and Cancer Care Ontario‘s datasets. Results: Over five years, expenditures on CLL drugs have increased approximately ten-fold (1000 percent), reaching nearly CAD 43 million (i.e., USD 32.8 million) in 16/17. In the front-line setting, spending on rituximab remained consistent over the five years. Spending on single agent bendamustine decreased with the introduction of obinutuzumab which became the main cost driver by 16/17. In the previously-treated CLL population, ibrutinib has dominated expenditures since it was funded in July 2015. By 16/17, ibrutinib accounted for approximately ninety eight percent of spending in the previously-treated population. Conclusions: In the past five years, public spending on CLL drugs increased rapidly and substantially with the introduction of four novel agents, and may continue to evolve as Canadian provinces consider funding additional indications or newer agents. These findings warrant exploring whether the incremental spending is providing survival benefit or improvement in patients’ quality of life in a real-world setting. Declaration of funding: None
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».