MétaCan
Menu
Retour à la cohorte
Enregistrement W4312155452 · doi:10.1017/s0266462322001842

PP43 Impact Of The COVID-19 Pandemic In The Brazilian National Committee for Health Technology Incorporation (Conitec) Recommendation Process

2022· article· en· W4312155452 sur OpenAlexaboutno aff
Marília Mastrocolla de Almeida Cardoso, Lehana Thabane, Juliana Rugolo, Daniel Da Silva Pereira Curado, Luis Gustavo Modelli, Silvana Andréa Molina Lima, Silke Anna Theresa Weber

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicGovernment (linguistics)GuidelineChristian ministryCoronavirus disease 2019 (COVID-19)Health technologyPublic healthMedicineHealth careBusinessFamily medicinePolitical scienceDiseaseNursingInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Introduction Health Technology Assessment (HTA) Process assists decision-making in health policies. The COVID-19 pandemic caused a high demand on protocol or guideline updates and incorporation of new drugs or therapies, overwhelming local agencies. A recent study reported that major HTA bodies in England, Scotland, Germany, and Canada reduced their number of drug recommendations in 2020, due to reprioritization of resources and COVID-related challenges. The present study aimed to evaluate the impact of the COVID-19 pandemic at the Brazilian National Committee for Health Technology Incorporation (Conitec) recommendation process. Methods This descriptive study evaluated all official recommendation reports available on the Government website in 2020 and 2021, extracting the data of disease category, technology type, the aim of the report, Public Involvement, and final result for the recommendation. The results were presented in tabular and graphical form using the machine learning, through the software R studio and excel. Results A total of 168 documents were evaluated, including guidelines and recommendation reports, with no reduction in the number of evaluations considering 2019. In 2020, there was a more significant evaluation of guidelines, and in 2021, a report on the non-incorporation of technologies. There were four specific documents about COVID 19, including vaccines and hospital care guidelines. The most incorporated and non-incorporated technologies were medication, targeting rare and highly prevalent diseases in balance. The Brazilian government was the main proposer. These results are part of the study “A Survey about the core methods of the recommendation reports for Brazilian Ministry of Health carried out by Brazilian Health Technology Assessment Centers”, which will characterize and analyze the core methods of the recommendation reports conducted by the Brazilian HTA Centers. Conclusions The pandemic had a low impact on demands in the routine of the Conitec. Establish indicators and technological norms applicable to health services, contribute to the identification of possible new practices, methods or criteria.

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)0,101
score de la tête « metaresearch » (Gemma)0,249
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,535

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1010,249
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,008
Études des sciences et des technologies0,0020,001
Communication savante0,0080,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
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 Opus0,281
Tête enseignante GPT0,556
Écart entre enseignants0,275 · 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'étudeObservationnel
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207