MétaCan
Menu
Retour à la cohorte
Enregistrement W3090656846 · doi:10.1177/1073110520958885

An International Review of Health Technology Assessment Approaches to Prescription Drugs and Their Ethical Principles

2020· review· en· W3090656846 sur OpenAlexaboutno aff
Leah Z. Rand, Aaron S. Kesselheim

Notice bibliographique

RevueThe Journal of Law Medicine & Ethics · 2020
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionEngineering ethicsHealth technologyMedicinePolitical sciencePharmacologyHealth careEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

In many countries, health technology assessment (HTA) organizations determine the economic value of new drugs and make recommendations regarding appropriate pricing and coverage in national health systems. In the US, recent policy proposals aimed at reducing drug costs would link drug prices to six countries: Australia, Canada, France, Germany, Japan, and the UK. We reviewed these countries' methods of HTA and guidance on price and coverage recommendations, analyzing methods and guidance documents for differences in (1) the methodologies HTA organizations use to conduct their evaluations and (2) considerations they use when making recommendations. We found important differences in the methods, interpretations of HTA findings, and condition-specific carve-outs that HTA organizations use to conduct evaluations and make recommendations. These variations have ethical implications because they influence the recommendations of HTA organizations, which affect access to the drug through national insurance and price negotiations with manufacturers. The differences in HTA approaches result from the distinct political, social, and cultural contexts of each organization and its value judgments. New cost-containment policies in the US should consider the ethical implications of the HTA reviews that they are considering relying on to negotiate drug prices and what values should be included in US pricing policy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,085
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0110,014
Études des sciences et des technologies0,0010,004
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,827
Tête enseignante GPT0,574
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Law Medicine & EthicsMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207