Outcomes-based reimbursement for gene therapies in practice: the experience of recently launched CAR-T cell therapies in major European countries
Notice bibliographique
Résumé
Background: The experience of Kymriah® and Yescarta® provides real-world examples of how health-care systems approach and manage the reimbursement of one-off, high-cost, cell, and gene therapies, and the decision uncertainty and affordability challenges they present. Objective: To provide an overview of the reimbursement schemes used for Kymriah® and Yescarta® in France, Germany, Italy, Spain, and the UK (EU5) as per the final quarter of 2019; to identify challenges and derive learnings for future product launches. Methodology: Secondary research, complemented by primary research with key market access stakeholders. Findings: Kymriah® and Yescarta® have relatively uniform list prices across the EU5, and are reimbursed according to their marketing authorisations. In France and the UK, reimbursement is on the condition of collecting additional data (at the cohort level) and subject to future reassessments; elsewhere, rebates (Germany) or staged payments (Italy and Spain) are linked to individual patient outcomes. Conclusions: The experience of Kymriah® and Yescarta® shows an increased appetite for outcomes-based reimbursement (OBR) in the EU5, with notably novel approaches applied in Italy and Spain (outcomes-based staged payments). Thus, real-world evidence (RWE) has become an increasingly powerful lever for demonstrating the value of health benefits in the clinical setting.
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 | 0,043 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».