MétaCan
Menu
Retour à la cohorte
Enregistrement W4292291574 · doi:10.3390/curroncol29080455

Implications of Oncology Trial Design and Uncertainties in Efficacy-Safety Data on Health Technology Assessments

2022· review· en· W4292291574 sur OpenAlexvenueno aff
Dario Trapani, Kiu Tay-Teo, Megan E. Tesch, Felipe Roitberg, Manju Sengar, S.C. Altuna, Michael J. Hassett, Armando A. Genazzani, Aaron S. Kesselheim, Giuseppe Curigliano

Notice bibliographique

RevueCurrent Oncology · 2022
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesArnold VenturesWorld Health Organization
Mots-clésMedicineHealth technologyHarmonizationClinical trialMultidisciplinary approachSurrogate endpointPsychological interventionRisk analysis (engineering)Health careNursingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Advances in cancer medicines have resulted in tangible health impacts, but the magnitude of benefits of approved cancer medicines could vary greatly. Health Technology Assessment (HTA) is a multidisciplinary process used to inform resource allocation through a systematic value assessment of health technology. This paper reviews the challenges in conducting HTA for cancer medicines arising from oncology trial designs and uncertainties of safety-efficacy data. METHODS: Multiple databases (PubMed, Scopus and Google Scholar) and grey literature (public health agencies and governmental reports) were searched to inform this policy narrative review. RESULTS: A lack of robust efficacy-safety data from clinical trials and other relevant sources of evidence has made HTA for cancer medicines challenging. The approval of cancer medicines through expedited pathways has increased in recent years, in which surrogate endpoints or biomarkers for patient selection have been widely used. Using these surrogate endpoints has created uncertainties in translating surrogate measures into patient-centric clinically (survival and quality of life) and economically (cost-effectiveness and budget impact) meaningful outcomes, with potential effects on diverting scarce health resources to low-value or detrimental interventions. Potential solutions include policy harmonization between regulatory and HTA authorities, commitment to generating robust post-marketing efficacy-safety data, managing uncertainties through risk-sharing agreements, and using value frameworks. CONCLUSION: A lack of robust efficacy-safety data is a central problem for conducting HTA of cancer medicines, potentially resulting in misinformed resource allocation.

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)0,764
score de la tête « metaresearch » (Gemma)0,896
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,291

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,7640,896
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0070,006
Bibliométrie0,0100,010
Études des sciences et des technologies0,0030,018
Communication savante0,0160,024
Science ouverte0,0080,010
Intégrité de la recherche0,0090,012
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,891
Tête enseignante GPT0,659
Écart entre enseignants0,232 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207