Potential Life-Years Lost: The Impact of the Cancer Drug Regulatory and Funding Process in Canada
Notice bibliographique
Résumé
BACKGROUND: Canada has an established publicly funded health care system with a complex drug approval and funding process. After proof of efficacy (POE; key publication/presentation) and before becoming publicly accessible, each drug undergoes a Health Canada approval process, a health technology assessment (HTA), a pricing negotiation, and finally individual provincial funding agreements. We quantified potential life-years lost during this process. METHODS: We analyzed drugs for advanced lung, breast, and colorectal cancer that underwent the HTA process between 2011 and 2016. Life-years lost were calculated by multiplying documented improvement in progression-free and overall survival, number of eligible patients, and time from POE to first public funding. For conservative calculation, we assumed all eligible patients in Canada had access at the time of first public funding, whereas in reality provinces fund at different time points. RESULTS: We analyzed 21 drugs. Of these, 15 have been funded publicly. The time from POE to first public funding ranged from 14.0 to 99.2 months (median 26.6 months). Total overall life-years lost from POE to first public funding were 39,067 (lung 32,367; breast 6,691). Progression-free life-years lost from POE to first public funding were 48,037 (lung 9,139, breast 15,827, colorectal 23,071). CONCLUSION: The number of potential life-years lost during the drug regulatory and funding process in Canada is substantial, largely driven by delays to funding of colorectal cancer drugs. Recognizing that interprovincial differences exist and that eligible patients may not all receive a given drug, if even a fraction does so, the impact of delays remains substantive. Collaborative national initiatives are required to address this major barrier to treatment access. IMPLICATIONS FOR PRACTICE: Patients may spend lengthy periods of time awaiting access to new and effective cancer drugs. Patients with private drug insurance or personal funds or who reside in certain Canadian provinces may obtain some drugs sooner than others, potentially creating a two-tiered access system. The cancer drug access and public funding system must be expedited to improve equity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».