MétaCan
Menu
Retour à la cohorte
Enregistrement W3101443753 · doi:10.1017/s0266462320000859

Use of real-world data and evidence for medical devices: a qualitative study of key informant interviews

2020· article· en· W3101443753 sur OpenAlexaffabout
Julie Polisena, Gayatri Jayaraman

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensCanadian Society for International HealthUniversity of OttawaHealth Canada
Organismes subventionnairesnon disponible
Mots-clésData collectionGovernment (linguistics)Key (lock)Health technologyBusinessPublic relationsKnowledge managementMedicineProcess managementHealth carePolitical scienceComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Health Canada is committed to the modernization of the use of real-world data (RWD) and evidence (RWE) to support regulatory decisions. As such, telephone interviews with stakeholders, including government decision makers, health technology assessment (HTA) producers, industry, and patients, to understand their experiences with and perspectives on how to enhance RWE use for medical devices were performed. METHODS: Thirty-four semi-structured telephone interviews with forty key informants were conducted. Transcripts were reviewed independently by one individual to identify, define, and categorize key concepts and were verified by a second reviewer. KEY FINDINGS: There are expectations for Health Canada to provide a framework and guidance on RWE use, identify relevant outcomes for data collection and criteria for data quality, conduct post-market surveillance more systematically, and partner with HTA organizations to develop methods for RWE generation. Stakeholders interviewed support the RWE use for regulatory decisions and HTA recommendations. Moreover, robust scientific methods for RWE generation will be critical to ensure that relevant questions are asked and rigorous statistical analyses are done to answer them. Patients are likely to consent to share their anonymized or de-identified medical information for nonprofit purposes. CONCLUSIONS: Key concepts from the interviews centered on the current and future RWE use for medical devices, considerations for the organizational, medical, scientific, and legal aspects and privacy issues of RWD collection or RWE generation, and options to implement the use of RWD and RWE. Our study findings will help inform the development of an RWE framework for regulatory decisions and HTA recommendations.

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)0,061
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,078
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0130,016
Communication savante0,0070,008
Science ouverte0,0030,008
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,683
Tête enseignante GPT0,615
Écart entre enseignants0,067 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
GenreEmpirique

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

En bref

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207