OP24 Impact Of Patient Input On Cancer Drug Funding Recommendations In Canada
Notice bibliographique
Résumé
Introduction Patient involvement in health technology assessment (HTA) has documented advantages, such as improved understanding of disease context, and increased legitimacy and transparency of the HTA process. In the absence of clear metrics, thresholds, or criteria, it is not clear how input regarding patient preferences influences HTA based recommendations of the pan Canadian Oncology Drug Review (pCODR). Methods This is a concurrent complementary mixed methods study. A quantitative model (logit) is used to estimate the impact of patient input and other HTA criteria on pCODR recommendations. A qualitative analysis of semi-structured interviews with Canadian HTA committee members is used to describe the mechanisms of action through which patient input influences recommendations. Results Patient input was considered important in providing context to the HTA discussion, but committee members were not able to explicate how any specific elements of patient submissions weighted into the committee’s recommendation. There was an element of mistrust in the patient input data. The estimated impact of patient input on funding recommendations is not statistically significant, recommendations remain driven by evidence of clinical benefit. Conclusions The commitment to inclusion of patient perspectives in HTA in Canada is strong, and procedurally Canada is among the leaders in this regard. The tangible impact of patient input could be increased with an improved system for collection of most relevant data, and clear guidelines about how patient input should weigh into HTA recommendations.
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 | 0,076 | 0,334 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,009 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».