Optimizing therapeutic decision‐making for off‐label medicines use: A scoping review and consensus recommendations for improving practice and research<sup>+</sup>
Notice bibliographique
Résumé
PURPOSE: Off-label medicines use is a common and sometimes necessary practice in many populations, with important clinical, ethical and financial consequences, including potential unintended harm or lack of effectiveness. No internationally recognized guidelines exist to aid decision-makers in applying research evidence to inform off-label medicines use. We aimed to critically evaluate current evidence informing decision-making for off-label use and to develop consensus recommendations to improve future practice and research. METHODS: We conducted a scoping review to summarize the literature on available off-label use guidance, including types, extent and scientific rigor of evidence incorporated. Findings informed the development of consensus recommendations by an international multidisciplinary Expert Panel using a modified Delphi process. Our target audience includes clinicians, patients and caregivers, researchers, regulators, sponsors, health technology assessment bodies, payers and policy makers. RESULTS: We found 31 published guidance documents on therapeutic decision-making for off-label use. Of 20 guidances with general recommendations, only 35% detailed the types and quality of evidence needed and the processes for its evaluation to reach sound, ethical decisions about appropriate use. There was no globally recognized guidance. To optimize future therapeutic decision-making, we recommend: (1) seeking rigorous scientific evidence; (2) utilizing diverse expertise in evidence evaluation and synthesis; (3) using rigorous processes to formulate recommendations for appropriate use; (4) linking off-label use with timely conduct of clinically meaningful research (including real-world evidence) to address knowledge gaps quickly; and (5) fostering partnerships between clinical decision-makers, researchers, regulators, policy makers, and sponsors to facilitate cohesive implementation and evaluation of these recommendations. CONCLUSIONS: We provide comprehensive consensus recommendations to optimize therapeutic decision-making for off-label medicines use and concurrently drive clinically relevant research. Successful implementation requires appropriate funding and infrastructure support to engage necessary stakeholders and foster relevant partnerships, representing significant challenges that policy makers must urgently address.
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 | 0,376 | 0,540 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,016 |
| Bibliométrie | 0,026 | 0,020 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,024 | 0,029 |
| Science ouverte | 0,010 | 0,016 |
| Intégrité de la recherche | 0,017 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».