PP108 Novel Approaches For Fair And Reasonable Value-Based Recommendations
Notice bibliographique
Résumé
Introduction: Stakeholders from the innovation field in Québec (Canada) have collectively stressed the need to formalize the process for evaluating innovative technologies in the province. In the context of innovation, and more so for non-pharmaceutical technologies where the pace of development is rapid and the lifecycle short, evidence supporting the added value can be limited and uncertainties are common. Therefore, pragmatic approaches are needed to guide recommendations and to assure that the process is rigorous, transparent and fair. Methods: Inspired by international experiences, the Institut national d'excellence en santé et services sociaux (INESSS) has developed a novel framework, where four types of recommendations are possible (introduction, refusal, limited or conditional introduction). The starting point is an evaluation of the technology's added value, for the patient, the population and the healthcare system, and the identification of uncertainties. The value of addressing uncertainty with further research is assessed, based on the value-of-information theory, and the distinct characteristics of medical devices are taken into account (e.g. learning curve effect, irrecoverable costs and incremental innovation). Those elements interact to support the formulation of recommendations by INESSS’ advisory committee. Results: The development of the framework was an iterative process supported by the use of the preliminary framework for the assessment of several innovative technologies. Challenges with its use were identified, and led to methodological and operational improvements. So far, the experience with the framework is positive and stakeholders confirm its relevance to support fair and reasonable recommendations for innovations. Conclusions: In the rapidly changing landscape of innovation, HTA has to adapt to the challenges of assessing technologies in a context of promise and uncertainties. The framework developed by INESSS is a tool for supporting timely and fair value-based decision-making, which will benefit the healthcare system, and the patients and population it serves.
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 | 0,238 | 0,451 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,007 | 0,023 |
| Communication savante | 0,025 | 0,024 |
| Science ouverte | 0,009 | 0,014 |
| Intégrité de la recherche | 0,023 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,004 |
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 ».