Impact of Oncology Drug Review Times on Public Funding Recommendations
Notice bibliographique
Résumé
New oncology drugs undergo detailed review prior to public funding in a single-payer healthcare system. The aim of this study was to assess how cancer drug review times impact funding recommendations. Drugs reviewed by the pan-Canadian Oncology Drug Review (pCODR) between the years 2012 and 2020 were included. Data were collected including Health Canada approval dates, initial and final funding recommendations, treatment intent, drug class, clinical indications, and incremental cost-effectiveness ratios (ICER). Univariable and multivariable analyses were used to determine the association between funding recommendations and review times. Of the 164 applications submitted, 130 received a positive final recommendation. Median time from Health Canada (HC) approval to final recommendation was longer for drugs indicated for the treatment of gastrointestinal (GI) and lung cancer compared to breast, genitourinary (GU), and other tumours (205 vs. 198 vs. 111 vs. 129 vs. 181 days, respectively; Kruskal–Wallis p = 0.0312). Drugs with longer review times were more likely to receive a negative pCODR recommendation, even when adjusting for tumour type, drug class, and intent of therapy (157 vs. 298 days; Wilcoxon p = 0.0003, OR 1.002 95% CI [1.000–1.004].). There was no association between funding recommendation and tumour type or class of drug. The exploration of factors associated with variance in review times will be important in ensuring timely patient access to cancer drugs.
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 | 0,043 | 0,321 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».