MétaCan
Menu
Retour à la cohorte
Enregistrement W2987201997 · doi:10.1002/cam4.2694

Value‐based pricing: Toward achieving a balance between individual and population gains in health benefits

2019· article· en· W2987201997 sur OpenAlexafffundabout
Ambica Parmar, Ronak Saluja, Kelvin Chan

Notice bibliographique

RevueCancer Medicine · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensCanadian Centre for Applied Research in Cancer ControlUniversity of TorontoSunnybrook HospitalHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesCanadian Cancer Society Research InstituteCanadian Centre for Applied Research in Cancer ControlAmerican Society of Clinical Oncology
Mots-clésValue (mathematics)Balance (ability)PopulationEconomicsBusinessMedicineEnvironmental healthPhysical medicine and rehabilitationStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Value-based pricing of oncology drugs provides a best estimate for the price of a drug, as it relates to the benefits it provides for individual patients. To date, the impact of value-based pricing to reference cost-effectiveness thresholds (λ) on individual and population-level health benefits remains uncharacterized. The current study examined the potential benefits of value-based pricing by quantifying the incremental net health benefit (INHB) of publicly funded oncology drugs, if funding occurred at manufacturer-submitted price without value-based pricing. METHODS: Pan-Canadian Oncology Drug Review (pCODR) submissions were reviewed to identify eligible drug indications from which final economic guidance panel reports were reviewed for incremental costs (ΔC) and quality-adjusted life-years (ΔQALY) from manufacturer-submitted, pCODR lower-limit (pCODR-LL) and upper-limit (pCODR-UL) re-analyzed estimates. Annual number of cases in Ontario for each drug indication was obtained from population databases. Annual QALY gain per drug indication was determined by (ΔQALY × cases). Population QALY gain/loss in the absence of value-based pricing to reference λ was estimated by the INHB: (INHB = [ΔQALY - (ΔC/λ)] × cases). RESULTS: In total, 34 drug indications (4629 cases) were identified. Annual gain in QALYs for the funded drug indications using manufacturer, pCODR-LL, and pCODR-UL estimates was 1851, 1617, and 1301, respectively. At a λ $100 000/QALY, funding in the absence of value-based pricing resulted in loss of 2311, 2519, and 2604 QALYs. This would result in a provincial net annual loss of 460, 902, and 1303 QALYs. CONCLUSIONS: Despite an annual gain in QALY per funded drug indication, a net loss in QALY for the province, in the absence of value-based pricing, was demonstrated. Supportive evidence exists for value-based pricing toward the promotion of health benefits for the greater population.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,308
Écart entre enseignants0,221 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations11
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCancer MedicineMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207