MétaCan
Menu
Retour à la cohorte
Enregistrement W2943596749 · doi:10.1007/s41669-019-0137-0

The Costs of Industry-Sponsored Medical Device Clinical Trials in Alberta

2019· article· en· W2943596749 sur OpenAlexafffundabout
İlke Akpinar, Arto Öhinmaa, Lars Thording, Dat T. Tran, Richard N. Fedorak, Lawrence Richer, Philip Jacobs

Notice bibliographique

RevuePharmacoEconomics - Open · 2019
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of AlbertaAlberta Health Services
Mots-clésClinical trialBusinessMedical deviceMedicineInternal medicineBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Our objective was to describe the costs of industry-sponsored clinical trials for medical devices in Northern Alberta, Canada. METHODS: We used centralized data to identify all industry-sponsored medical device clinical trials initiated in Northern Alberta from 2012 to 2016. For each arm of each trial, we calculated the price of devices provided by the sponsor and the cost of clinical and administrative services that were incurred to clinically operationalize the treatment. RESULTS: Our sample consisted of 18 device trials initiated between January 2012 and January 2016. The overall cost (Canadian dollars [$Can], year 2018 values) per enrolee was $Can18,243 for the experimental arm and $Can13,827 for the control arm. Devices were the highest cost component, at $Can13,446 per enrollee in the experimental arm. Clinical costs in the control arms were higher on average ($Can7202 vs. 2504) than those in the experimental arms. CONCLUSION: Data from industry-sponsored clinical trials can provide important information on the full costs of device-related interventions. As device costs rise, and as policy makers require more evidence on device-related treatments, the cost of medical device-driven interventions should be documented along with their effectiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0510,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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.

Tête enseignante Opus0,678
Tête enseignante GPT0,681
Écart entre enseignants0,003 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePharmacoEconomics - OpenMême sujetPharmaceutical industry and healthcareTravaux en français237 207