Life-cycle health technology assessment for precision oncology.
Notice bibliographique
Résumé
e18704 Background: Rapid advances in precision oncology challenge timely and sustainable reimbursement decisions. Life-cycle health technology assessment (LC-HTA) can enable conditional patient access to promising precision oncology innovations alongside evidence development. Our objective was to create a life-cycle evaluative framework, called PRecision oncology Evidence Development in Cancer Treatment (PREDiCT). Methods: Through an iterative, health system and stakeholder-informed approach, we designed our LC-HTA framework. Elements supporting data and evidence generation were subsequently implemented within British Columbia, Canada’s provincial cancer control system. Our development, refinement, and pilot implementation process included a structured literature review, multi-disciplinary international expert consultation, a formal gap assessment, and a series of pan-Canadian inter-disciplinary stakeholder workshops to refine framework elements. Results: We engaged n = 15 pan-Canadian and international stakeholders to co-develop the LC-HTA framework. Defining framework components include: (a) managed access that defines the time horizon and pricing conditions of real-world healthcare system trialing; (b) collection of core data elements required to enable economic evaluation of precision oncology using real world data; (c) externally leveraged real world data and evidence generation to determine comparative effectiveness, cost-effectiveness, and the value of conducting additional research; and (d) data interpretation updating decisions, including investment, continued evaluation, or disinvestment from managed access. Key to the success of early framework implementation is the expansion of infrastructure to enable routine collection and linkage of genomic sequencing and cancer treatment data, patient quality of life and clinical outcomes, as well as health resource use spanning the diagnostic, treatment, and follow up trajectory. Conclusions: Sustainable integration of precision oncology requires the design and implementation of learning healthcare systems (LHS) that integrate genomic data with other health information. LC-HTA moves beyond static estimates of clinical and cost-effectiveness to continuously generate evidence that reduces evidentiary uncertainty and supports life-cycle decisions. We are embarking on a PREDiCT pilot to implement the framework in real-time to demonstrate the ability of real-world data to support life cycle evaluation.
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 | 0,086 | 0,220 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,102 | 0,017 |
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 ».