MétaCan
Menu
← Retour à la cohorte
Enregistrement W4211033272 · doi:10.3390/curroncol29020083

Closing the Gaps to Timely Patient Access: Perspectives on Conditional Funding Models

2022· article· en· W4211033272 sur OpenAlexafffundvenueabout
Judith Glennie, Eva García Villalba, Paul Wheatley‐Price

Notice bibliographique

RevueCurrent Oncology · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensOttawa HospitalUniversity of OttawaQuebec - Clinical Research Organization in Cancer
Organismes subventionnairesMcGill UniversityUniversity of OttawaAstraZeneca
Mots-clésClosing (real estate)MedicinePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The Canadian system for approval of new cancer drugs is complex with multiple steps. Health Canada grants a license for a drug to be marketed and prescribed. The Canadian Agency for Drugs and Technologies in Health (CADTH) and Institut national d'excellence en santé et services sociaux (INESSS) make recommendations by way of health technology assessments (HTA). If positive, the latter then lead to confidential price negotiations at the pan-Canadian pharmaceutical alliance (pCPA), after which individual provinces and territories make a listing decision. Delays can occur at each stage, but post-HTA delays can be lengthy and unpredictable, denying or impeding access to an effective drug with the potential for devastating clinical outcomes. Conditional funding models have been adopted in a number of European countries with the goal of providing timely access to new medications in areas of unmet need, in advance of further steps in the reimbursement process. This manuscript discusses different stakeholder perspectives on conditional funding agreements-including a recent successful example of such a process in the UK-based on a panel discussion at the 2021 Canadian Association of Population Therapeutics (CAPT) Conference.

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)0,045
score de la tête « metaresearch » (Gemma)0,127
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,237

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,127
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,015
Communication savante0,0120,019
Science ouverte0,0040,008
Intégrité de la recherche0,0120,013
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,360
Tête enseignante GPT0,426
Écart entre enseignants0,066 · 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'étudeQualitatif
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

Citations5
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetHealthcare Policy and Management→Travaux en français237 207→