Building infrastructure for outcomes-based agreements in Canada: can administrative health data be used to support an outcomes-based agreement in oncology?
Notice bibliographique
Résumé
BACKGROUND: Outcomes-based agreements (OBAs) have the potential to provide more timely patient access to novel therapies, although they are not suitable for every new medication or reimbursement scenario. The authors of this paper studied how to operationalize an OBA in oncology by leveraging existing real-world data (RWD) infrastructure in the province of Alberta. OBJECTIVE: The main objectives were to (1) evaluate which health outcomes in oncology are suitable for OBAs and whether they can be tracked with existing infrastructure, and (2) determine how RWD in oncology can be used to implement an OBA and the expected timing for delivery. METHODS: Using the Oncology Outcomes (O2) Group infrastructure and Alberta administrative data, a review of five key oncology outcomes was performed to determine suitability to support an OBA. RESULTS: Overall survival and time-to-next-treatment were determined as potentially suitable oncology outcomes for OBAs; progression-free survival, patient-reported outcomes, and return to work were deemed inadequate for OBAs at the current time due to data limitations. CONCLUSIONS: Results indicate that it is feasible to leverage RWD to support OBAs in oncology in Alberta, with minimal additional data, resources, and infrastructure. The operational processes and steps to collect and analyze RWD for OBAs were identified, starting with performing an RWD feasibility study. The expected timeframe to fulfill the real-world evidence (RWE) requirements for an OBA is approximately 3 years for cancers with short trajectories.
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 | 0,183 | 0,292 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,014 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,009 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».