Chance of reimbursement for ADD-ON therapies in Poland and in the world - review of the reimbursement recommendations
Notice bibliographique
Résumé
INTRODUCTION: Oncology drugs combined with standard therapies (so-called add-on therapies, e.g. bevacizumab, palbociclib) often receive negative recommendations regarding the legitimacy of public financing, issued by government agencies responsible for their assessment, i.e. health technology assessment agencies. The aim of the study was to estimate the scale of the problem related to the reimbursement of add-on therapies used in the treatment of breast and genitourinary cancers in Poland and in the world. MATERIAL AND METHODS: A multimodal approach was used to select add-on therapies. The reimbursement routes were analysed in 8 reference countries (Poland, Canada, England, Wales, France, Scotland, Australia, New Zealand). Based on a systematic search, data for breast and urogenital cancers were included. RESULTS: A total of 68 reimbursement documents for add-on therapies were identified. The analysis showed that in Poland, 20% of innovative schemes including add-on therapies should be reimbursed, while in the world the percentage of positive recommendations reaches 56%. It was observed that globally (including data for Poland) the chance for a favorable reimbursement recommendation for add-on therapies is 53%, with 29% being positive recommendations with limitations. In Poland, the majority of negative recommendations concern genitourinary cancers in comparison to breast cancer (83% vs 75%). CONCLUSIONS: Poland is at the head of the countries in terms of the number of negative reimbursement recommendations. Bearing in mind the world’s need of modifying the criteria for the evaluation of oncological therapies in the context of the possibility of their reimbursement, one should expect a change in the approach to the assessment of the legitimacy of financing innovative add-on therapies in Poland.
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 | 0,024 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».