MétaCan
Menu
Retour à la cohorte
Enregistrement W3135637439 · doi:10.1001/jamanetworkopen.2021.0380

Association of Supporting Trial Evidence and Reimbursement for Off-Label Use of Cancer Drugs

2021· article· en· W3135637439 sur OpenAlexaff
Amanda K. Herbrand, Andreas M. Schmitt, Matthias Briel, Hannah Ewald, Marius Goldkuhle, Stefan Diem, Anouk Hoogkamer, Markus Joerger, Giusi Moffa, Urban Novak, Lars G. Hemkens, Benjamin Kasenda

Notice bibliographique

RevueJAMA Network Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesBerlin Institute of HealthInselspital, Universitätsspital BernUniversität Basel
Mots-clésReimbursementMedicineRandomized controlled trialClinical trialInterquartile rangePopulationOff-label useHealth careEvidence-based medicineInternal medicineAlternative medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: In many health systems, access to off-label drug use is controlled through reimbursement restrictions by health insurers, especially for expensive cancer drugs. Objective: To determine whether evidence from randomized clinical trials is associated with reimbursement decisions for requested off-label use of anticancer drugs in the Swiss health system. Design, Setting, and Participants: This cross-sectional study used reimbursement requests from routinely collected health records of 5809 patients with drug treatment for cancer between January 2015 and July 2018 in 3 major cancer centers, covering cancer care of approximately 5% of the Swiss population, to identify off-label drug use. For each off-label use indication with 3 or more requests, randomized clinical trial evidence on treatment benefits was systematically identified for overall survival (OS) or progression-free survival (PFS). Data were analyzed from August 2018 to December 2020. Exposures: Available randomized clinical trial evidence on benefits for OS or PFS for requested off-label use indications. Main Outcomes and Measures: The main outcome was the association between evidence for treatment benefit (expressed as improved OS or PFS) and reimbursement in multivariable regression models. Results: Among 3046 patients with cancer, 695 off-label use reimbursement requests in 303 different indications were made for 598 patients (median [interquartile range] age, 64 [53-73] years; 420 [60%] men). Off-label use was intended as first-line treatment in 311 requests (45%). Reimbursement was accepted in 446 requests (64%). For 71 indications, including 431 requests for 376 patients, there were 3 or more requests. Of these, 246 requests (57%) had no supporting evidence for OS or PFS benefit. Reimbursement was granted in 162 of 246 requests without supporting evidence (66%). Of 117 requests supported by OS benefit, 79 (67%) were reimbursed, and of 68 requests supported by PFS benefit alone, 54 (79%) were reimbursed. Evidence of OS benefit from randomized clinical trials was not associated with a higher chance of reimbursement (odds ratio, 0.76, 95% CI, 0.45-1.27). Conclusions and Relevance: These findings suggest that in a health care system enabling access to off-label use, it was frequently intended as a first-line treatment in cancer care. Availability of randomized clinical trial evidence showing survival benefit was not associated with reimbursement decisions for off-label anticancer drug treatment in Switzerland. A transparent process with criteria considering clinical evidence is needed for evidence-based reimbursement decisions to ensure fair access to cancer treatments.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,659
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,226
Tête enseignante GPT0,486
Écart entre enseignants0,260 · 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.

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

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetPharmaceutical studies and practicesTravaux en français237 207