Global representativeness and impact of funding sources in cost-effectiveness research on systemic therapies for advanced breast cancer: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Breast cancer (BC) is the most incident tumor and, consequently, any new intervention can potentially promote a considerable budget impact if incorporated. Cost-effectiveness (CE) studies assist in the decision-making process but may be influenced by the country's perspective of analysis and pharmaceutical industry funding. METHODS: A systematic review of Medline, Scopus, and Web of Science from January 1st, 2012 to July 8th, 2022 was conducted to identify CE studies of tumor-targeted systemic-therapies for advanced BC. Articles without incremental cost-effectiveness ratio calculations were excluded. We extracted information on the country and class of drug studied, comparator type, authors' conflicts of interest (COI), pharmaceutical industry funding, and authors' conclusions. RESULTS: 71 studies comprising 204 CE assessments were included. The majority of studies were from the United States and Canada (44%), Asia (32%) and Europe (20%). Only 8% were from Latin America and none from Africa. 31% had pharmaceutical industry funding. The most studied drug classes were cyclin-dependent-kinase inhibitors (29%), anti-HER2 therapy (23%), anti-PD(L)1 (11%) and hormone therapy (11%). Overall, 34% of CE assessments had favorable conclusions. Pharmaceutical industry-funded articles had a higher proportion of at least one favorable conclusion (82% vs. 24%, p-value<0.001), European countries analyzed (45% vs. 9%, p-value = 0.003), and CE assessments with same class drug comparators (56% vs. 33%, p-value = 0.004). CONCLUSIONS: Breast cancer CE literature scarcely represents low-and-middle-income countries' perspectives and is influenced by pharmaceutical industry funding which targets European countries', frequently utilizes comparisons within same-drug class, and is more likely to have favorable conclusions.
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 | 0,113 | 0,367 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,019 |
| Bibliométrie | 0,025 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».