Value assessment of oncology drugs using a weighted criterion‐based approach
Notice bibliographique
Résumé
BACKGROUND: Globally, the rising cost of anticancer therapy has motivated efforts to quantify the overall value of new cancer treatments. Multicriteria decision analysis offers a novel approach to incorporate multiple criteria and perspectives into value assessment. METHODS: The authors recruited a diverse, multistakeholder group who identified and weighted key criteria to establish the drug assessment framework (DAF). Construct validity assessed the degree to which DAF scores were associated with past pan-Canadian Oncology Drug Review (pCODR) funding recommendations and European Society for Medical Oncology Magnitude of Clinical Benefit Scale (ESMO-MCBS; version 1.1) scores. RESULTS: The final DAF included 10 criteria: overall survival, progression-free survival, response rate, quality of life, toxicity, unmet need, equity, feasibility, disease severity, and caregiver well-being. The first 5 clinical benefit criteria represent approximately 64% of the total weight. DAF scores ranged from 0 to 300, reflecting both the expected impact of the drug and the quality of supporting evidence. When the DAF was applied to the last 60 drugs (with reviewers blinded) reviewed by pCODR (2015-2018), those drugs with positive pCODR funding recommendations were found to have higher DAF scores compared with drugs not recommended (103 vs 63; Student t test P = .0007). DAF clinical benefit criteria mildly correlated with ESMO-MCBS scores (correlation coefficient, 0.33; 95% CI, 0.009-0.59). Sensitivity analyses that varied the criteria scores did not change the results. CONCLUSIONS: Using a structured and explicit approach, a criterion-based valuation framework was designed to provide a transparent and consistent method with which to value and prioritize cancer drugs to facilitate the delivery of affordable cancer care.
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 | 0,136 | 0,313 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,027 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».