MétaCan
Menu
Retour à la cohorte
Enregistrement W3183672670 · doi:10.1007/s40120-021-00264-1

How have Economic Evaluations in Relapsing Multiple Sclerosis Evolved Over Time? A Systematic Literature Review

2021· review· en· W3183672670 sur OpenAlex
Anggie Wiyani, Lohit Badgujar, Vivek Khurana, Nicholas Adlard

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueNeurology and Therapy · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesNovartis Pharma
Mots-clésMedicineSystematic reviewMEDLINEReimbursementHealth technologyFamily medicineCohort studyHealth carePathologyPolitical science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The introduction of disease-modifying therapies (DMTs) for relapsing multiple sclerosis (RMS) over the last two decades has prompted the economic assessments of these treatments by reimbursement authorities. The aim of this systematic literature review was to evaluate the modeling approach and data sources used in economic evaluations of DMTs for RMS, identify differences and similarities, and explore how economic evaluation models have evolved over time. METHODS: MEDLINE®, Embase®, and EBM Reviews databases were searched using Ovid® Platform from database inception on 25 December 2019 and subsequently updated on 17 February 2021. In addition, health technology assessment agency websites, key conference proceedings, and gray literature from relevant websites were screened. The quality of included studies was assessed using the Drummond and Philips checklists. RESULTS: A total 155 publications and 30 Health Technology Assessment (HTA) reports were included. Most of these were cost-utility analysis (73 studies and 25 HTA reports) and funded by medicines manufacturers (n = 65). The top three countries where studies were conducted were the USA (n = 29), the UK (n = 16), and Spain (n = 10). Studies predominantly used Markov cohort models (94 studies; 25 HTAs) structured based on the Expanded Disability Status Scale (EDSS) with 21 health states (20 studies; 12 HTA reports). The London Ontario and British Columbia data sets were commonly used sources for natural history data (n = 33; n = 13). Twelve studies and ten HTAs from the UK assumed a waning of DMT effect over the long term, while this was uncommon in studies from other countries. Nineteen studies adjusted for multiple sclerosis (MS)-specific mortality estimates, while 18 studies used data from the national life table without adjustment. Studies prominently referred to mortality data that were about two decades old. The data on treatment effect was generally obtained from randomized controlled trials (43 studies; 7 HTAs) or from published evidence synthesis (23 studies; 24 HTAs). Utility estimates were derived from either published studies and/or supplemented with data from RCTs. Most of the models used the lifetime horizon (n = 37) with a 1-year cycle length (n = 63). CONCLUSION: As expected, similarities as well as differences were observed across the different economic models. Available evidence suggests models should continue using the Markov cohort model with 21 EDSS-based states, however, allowing the transition to a lower EDSS state and assuming a sustained treatment effect. With reference to the data sources, models should consider using a contemporary MS-specific mortality data, recent natural history data, and country-specific utility data if available. In case of data unavailability, a sensitivity analysis using multiple sources of data should be conducted. In addition, future models should incorporate other clinically relevant outcomes, such as the cognition, vision, and psychological aspects of RMS, to be able to present the comprehensive value of DMTs.

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.

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)0,001
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: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,118
Tête enseignante GPT0,377
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