The Past, Present, and Future of Economic Evaluations of Precision Medicine at the Committee for Economic Analyses of the Canadian Cancer Trials Group
Notice bibliographique
Résumé
Precision medicine in oncology poses unique challenges to the generation of clinical and economic evidence used for cost-effectiveness analyses that can inform health technology assessment. The conduct of randomized controlled trials for biomarker-specific therapies targeted towards small populations has limitations in regard to feasibility, timeliness, and cost. These limitations result in associated challenges for groups involved in the generation of economic evidence to inform treatment-related decision making, including the Committee of Economic Analysis (CEA) at the Canadian Cancer Trials Group (CCTG). We provide a high-level description and vision about the new paradigm of clinical trial design, generation of economic evidence, and novel approaches to economic evaluations necessary in the space of precision medicine in oncology in Canada. The CEA's previous approach to precision medicine, including master protocol designs and single-arm studies, is reviewed. Methods and approaches currently under consideration by the CEA and national collaborators, such as the role of real-world and clinical trial evidence in enabling life-cycle assessment of therapies, are explored. Finally, future initiatives being planned in the space of precision medicine at CCTG, such as the incorporation of correlative studies to identify and test high-performing biomarkers in trials, are discussed.
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 | 0,095 | 0,163 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,008 |
| 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 ».