Why do payers refuse to fund "effective" therapies?
Notice bibliographique
Résumé
6 Background: The pan-Canadian Oncology Drug Review (pCODR) provides funding recommendations to the provinces of Canada on Health Canada approved systemic therapies. Why would they recommend against funding drugs that meet regulatory standards? Methods: 136 reviews for 70 compounds were completed by pCODR from inception to January 1, 2019 were collected and data abstracted using a standardized form. For all submissions that received a negative recommendation, the Clinical Guidance Panel (CGP), Economic Guidance Panel (EGP), and Expert Review Committee (pERC) reports were examined to determine the underlying cause for rejection. Results: 32 (24%) of submissions received a negative recommendation. In all cases, this was due to concerns regarding the clinical effectiveness of the compound. Economic considerations were never cited as rational for rejection. 10 (32%) were submitted with supporting evidence from non-comparative phase 2 clinical data, and this level of evidence was cited as the basis for the recommendation. 4 (12%) supported by randomized phase 2 evidence were rejected in support of awaiting phase 3 trials in progress. 6 phase 2-based recommendations have since been overturned on re-submission with phase 3 data. Of the 18 (56%) rejected with phase 3 data, 4 had demonstrated an overall survival advantage over standard of care (range 1.5-3.8 months) that was deemed not clinically significant. 12 were rejected due to lack of confidence in surrogate end-points employed in the trial. 1 was rejected due to diminishing clinical benefit observed over time, and 1 was rejected due to data quality. The EGP calculated the median cost-effectiveness of the proposed indications to be $188,537/QALY (range 22,326-2,120,433), with a median cost increase of $47,529 (2,536-226,752) and life-years gained of 3.8 months (0.8-11). Conclusions: Regulatory approval does not translate to clinically meaningful effectiveness. Bodies that consider opportunity cost may have a higher threshold for minimum benefit than regulators.
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 | 0,177 | 0,530 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,009 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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.
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 ».