MétaCan
Menu
Retour à la cohorte
Enregistrement W4320490469 · doi:10.1001/jamainternmed.2022.6787

Assessment of FDA-Approved Drugs Not Recommended for Use or Reimbursement in Other Countries, 2017-2020

2023· article· en· W4320490469 sur OpenAlexaboutno aff
Catherine Pham, Kim Le, Maisha Draves, Enrique Seoane‐Vazquez

Notice bibliographique

RevueJAMA Internal Medicine · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineReimbursementMarketing authorizationPrior authorizationAgency (philosophy)ConcordanceRegulatory agencyAuthorizationDrug approvalFood and drug administrationFamily medicineOrphan drugDrugEnvironmental healthPharmacologyHealth careInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: Drug expenditures in the US are higher than in any other country and are projected to continue increasing, so US health systems may benefit from evaluating international regulatory and reimbursement decision-making of new drugs. Objective: To evaluate regulatory decisions and health technology assessments (HTAs) in Australia, Canada, and the UK regarding new drugs approved by the US Food and Drug Administration (FDA) in 2017 through 2020, as well as to estimate the US cost per patient per year for drugs receiving negative recommendations. Design and Setting: In this cross-sectional study, recommendations issued by agencies in Australia, Canada, and the UK were collected for new drugs approved by the FDA in 2017 through 2020. All data were current as of May 31, 2022. Exposures: Authorizations and HTAs in selected countries. Main Outcomes and Measures: All FDA-approved drugs were matched by active ingredient to decision summary reports published by drug regulators and HTA agencies in Australia, Canada, and the UK. Regulatory approval concordance and reasons for negative recommendations were assessed using descriptive statistics. For drugs not recommended by an international agency, the annual US drug cost per patient was estimated from FDA labeling and wholesale acquisition costs. Results: The FDA approved 206 new drugs in 2017 through 2020, of which 162 (78.6%) were granted marketing authorization by at least 1 other regulatory agency at a median (IQR) delay of 12.1 (17.7) months following US approval. Conversely, 5 FDA-approved drugs were refused marketing authorization by an international regulatory agency due to unfavorable benefit-to-risk assessments. An additional 42 FDA-approved drugs received negative reimbursement recommendations from HTA agencies in Australia, Canada, or the UK due to uncertainty of clinical benefits or unacceptably high prices. The median (IQR) US cost of the 47 drugs refused authorization or not recommended for reimbursement by an international agency was $115 281 ($166 690) per patient per year. Twenty drugs were for oncology indications, and 36 were approved by the FDA through expedited regulatory pathways or the Orphan Drug Act. Conclusions and Relevance: This cross-sectional study assessed reasons for which drugs recently approved by the FDA were refused marketing authorization or not recommended for public reimbursement in other countries. Drugs with limited international market presence may require close examination by US health care professionals and health systems.

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)0,015
score de la tête « metaresearch » (Gemma)0,040
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,435
Tête enseignante GPT0,493
Écart entre enseignants0,058 · 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

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Internal MedicineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207