MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385567458 · doi:10.1182/blood.2023020703

Mitigating inequity: ethically prioritizing patients for CAR T-cell therapy

2023· article· en· W4385567458 sur OpenAlexaff
Jennifer Bell, Greg A. Jeffries, Christine Chen

Notice bibliographique

RevueBlood · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Ethics and Regulation
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésAccountabilityEquity (law)PsychosocialTransparency (behavior)PopulationHealth careMedicineEconomic JusticeBusinessPublic relationsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Manufacturing capacity and institutional infrastructure to deliver chimeric antigen receptor T-cell therapies (CAR-T) are pressured to keep pace with the growing number of approved products and expanding eligible patient population for this potentially life-saving therapy. Consequently, many cell therapy programs must make difficult decisions about which patient should get the next available treatment slot. This situation requires an ethical framework to ensure fair and equitable decision-making. In this perspective, we discuss the application of Accountability for Reasonableness (A4R), a priority-setting framework grounded in procedural justice, to the problem of limited CAR-T slots at our institution. We formed a multidisciplinary working group spanning several hematological malignancies. Through multiple rounds of partner engagement, we used A4R guiding principles to identify 4 main criteria to prioritize patients for CAR-T: medical benefit, safety/risk of complications, psychosocial factors, and medical urgency. Associated measures/tools and an implementation process were developed. We discuss further how ethical principles of fairness and equity demand a consistent approach within health systems that does not disadvantage medically underserved or underrepresented populations and supports overcoming barriers to care. In our commitment to transparency and collaboration, we make our tools available to others, ideally to be used to engage in their own A4R process, adapting the tools to their unique environments. Our hope is that our preliminary work will support the advancement of further study in this area globally, aiming for justice in resource allocation for all potential CAR-T candidates, wherever they may seek care.

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)0,114
score de la tête « metaresearch » (Gemma)0,146
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,602

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1140,146
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,020
Communication savante0,0150,009
Science ouverte0,0030,022
Intégrité de la recherche0,0050,014
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 Opus0,039
Tête enseignante GPT0,312
Écart entre enseignants0,273 · 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'étudeThéorique ou conceptuel
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

Citations30
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetBiomedical Ethics and Regulation→Travaux en français237 207→