MétaCan
Menu
Retour à la cohorte
Enregistrement W4391994515 · doi:10.1001/jamadermatol.2023.6236

Use of Efficiency Frontiers to Align Prices and Clinical Benefits of Biologic Therapies for Plaque Psoriasis

2024· letter· en· W4391994515 sur OpenAlexaboutno aff
Alexander C. Egilman, Aaron S. Kesselheim, Jerry Avorn, Adam Raymakers, Benjamin N. Rome

Notice bibliographique

RevueJAMA Dermatology · 2024
Typeletter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEtanerceptPsoriasisInfliximabPlaque psoriasisPsoriasis Area and Severity IndexBiosimilarUstekinumabInternal medicineDermatology

Résumé

récupéré en direct d'OpenAlex

Importance: The US lacks a systematic approach for aligning drug prices with clinical benefit, and traditional cost-effectiveness analysis (CEA) faces political obstacles. The efficiency frontier (EF) method offers policymakers an alternative approach. Objective: To assess how the EF approach could align prices and clinical benefits of biologic medications for plaque psoriasis and estimate price reductions in the US vs 4 peer countries: Australia, Canada, France, and Germany. Design and Setting: This health economic evaluation used the EF approach to compare the prices and clinical benefits of 11 biologics and 2 biosimilars for plaque psoriasis in the US, Australia, Canada, France, and Germany. Data were collected from February to March 2023 and analyzed from March to June 2023. Main Outcome Measures: EFs were constructed based on each biologic's efficacy, measured using the Psoriasis Area and Severity Index (PASI) 90 response rate, and annual treatment cost as of January 2023; US costs were net of estimated manufacturer rebates. Prices based on the EF were compared with traditional CEA-based prices calculated by the Institute for Clinical and Economic Review at a threshold of $150 000 per quality-adjusted life-year gained. Results: Among 13 biologics, PASI 90 response rates ranged from 17.9% (etanercept) to 71.6% (risankizumab); US net annual treatment costs ranged from $1664 (infliximab-dyyb) to $79 277 (risankizumab). The median (IQR) net annual treatment cost was higher in the US ($34 965 [$20 493-$48 942]) than prerebate costs in Australia ($9179 [$6691-$12 688]), Canada ($15 556 [$13 017-$16 112]), France ($9478 [$6637-$11 678]), and Germany ($13 829 [$13 231-$15 837]). The US EF included infliximab-dyyb (PASI 90: 57.4%; annual cost: $1664), ixekizumab (PASI 90: 70.8%; annual cost: $33 004), and risankizumab (PASI 90: 71.6%; annual cost: $79 277). US prices for psoriasis biologics would need to be reduced by a median (IQR) of 71% (31%-95%) to align with those estimated using the EF; the same approach would yield smaller price reductions in Canada (41% [6%-57%]), Australia (36% [0%-65%]), France (19% [0%-67%]), and Germany (11% [8%-26%]). Except for risankizumab, the EF-based prices were lower than the prices based on traditional CEA. Conclusions and Relevance: This economic evaluation showed that for plaque psoriasis biologics, using an EF approach to negotiate prices could lead to substantial price reductions and better align prices with clinical benefits. US policymakers might consider using EFs to achieve prices commensurate with comparative clinical benefits, particularly for drug classes with multiple therapeutic alternatives for which differences can be adequately summarized by a single outcome measurement.

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)0,064
score de la tête « metaresearch » (Gemma)0,137
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,336

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0640,137
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0060,005
Études des sciences et des technologies0,0000,002
Communication savante0,0050,007
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,358
Tête enseignante GPT0,426
Écart entre enseignants0,067 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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