Developing a framework to incorporate real-world evidence in cancer drug funding decisions: the Canadian Real-world Evidence for Value of Cancer Drugs (CanREValue) collaboration
Notice bibliographique
Résumé
BACKGROUND: Oncology therapy is becoming increasingly more expensive and challenging the affordability and sustainability of drug programmes around the world. When new drugs are evaluated, health technology assessment organisations rely on clinical trials to inform funding decisions. However, clinical trials are not able to assess overall survival and generalises evidence in a real-world setting. As a result, policy makers have little information on whether drug funding decisions based on clinical trials ultimately yield the outcomes and value for money that might be expected. OBJECTIVE: The Canadian Real-world Evidence for Value of Cancer Drugs (CanREValue) collaboration, consisting of researchers, recommendation-makers, decision makers, payers, patients and caregivers, are developing and testing a framework for Canadian provinces to generate and use real-world evidence (RWE) for cancer drug funding in a consistent and integrated manner. STRATEGY: The CanREValue collaboration has established five formal working groups (WGs) to focus on specific processes in the generation and use of RWE for cancer drug funding decisions in Canada. The different RWE WGs are: (1) Planning and Drug Selection; (2) Methods; (3) Data; (4) Reassessment and Uptake; (5) Engagement. These WGs are acting collaboratively to develop a framework for RWE evaluation, validate the framework through the multiprovince RWE projects and help to integrate the final RWE framework into the Canadian healthcare system. OUTCOMES: The framework will enable the reassessment of cancer drugs, refinement of funding recommendations and use of novel funding mechanisms by decision-makers/payers across Canada to ensure the healthcare system is providing clinical benefits and value for money.
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 | 0,030 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».