MétaCan
Menu
Retour à la cohorte
Enregistrement W3021990204 · doi:10.1016/j.breast.2020.04.011

A multi-stakeholder approach in optimising patients’ needs in the benefit assessment process of new metastatic breast cancer treatments

2020· review· en· W3021990204 sur OpenAlexaff
Fátima Cardoso, Nils Wilking, Renato Bernardini, Laura Biganzoli, Jaime Espín, Kaisa Miikkulainen, Susanne Schuurman, Danielle Spence, Sabine Spitz, Sonia Ujupan, Nicole Zernik, Jenn Gordon

Notice bibliographique

RevueThe Breast · 2020
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensCanadian Breast Cancer Network
Organismes subventionnairesEli Lilly and Company
Mots-clésMetastatic breast cancerMedicineQuality of life (healthcare)StakeholderDiseaseBreast cancerIntensive care medicineCancerOncologyInternal medicineNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

There is a growing understanding as science evolves that different cancer types require different approaches to treatment evaluation, especially in the metastatic stages. The introduction of new metastatic breast cancer (MBC) treatments may be hindered by several elements, including the availability of relevant evidence related to disease-specific outcomes, the benefit assessment process around the evaluation of the clinical benefit and the patients' need of new treatments. The Steering Committee (SC) found that not all issues relevant to MBC patients are consistently considered in the current benefit assessment process of new treatments. Among these are overall survival, time-to-event endpoints (e.g. progression-free survival), patients' priorities, burden of disease, MBC-specific quality of life, value in delaying chemotherapy, route of administration, side effects and toxicities, treatment adherence and the benefit of real-world evidence. This paper calls on decision makers to (1) Include MBC-specific patient priorities and outcomes in the overall benefit assessments of new MBC treatments; (2) Enhance multi-stakeholder collaboration in order to improve MBC patient outcomes.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,154
Tête enseignante GPT0,331
Écart entre enseignants0,178 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe BreastMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207