Unlocking the potential of digital therapeutics: The need for consistent and granular inclusion in drug compendia for managed care
Notice bibliographique
Résumé
The field of digital therapeutics (DTx), software programs that prevent, manage, and treat medical conditions, continues to grow. DTx offers new treatment options and has the potential to close gaps in care caused by unmet patient needs, provider shortages, or socioeconomic or geographical disparities. However, the field of DTx has not seen steady adoption owing to barriers, particularly related to coverage, payer acceptance of the category, provider use, and integration within existing health care delivery tools. One challenge for payers to effectively evaluate and cover DTx products is ensuring that consistent data elements are listed for these products in traditional drug compendia databases. Managed care organizations will need similar information about DTx product features as are available for traditional medications to inform coverage and reimbursement decisions. The Academy of Managed Care Pharmacy DTx Advisory Group developed and distributed a request for information to the 5 top drug compendia companies to assess how compendia products incorporate DTx and prescription DTx. This article summarizes how DTx are listed within different compendia products and offers insights on future data needs to adequately inform payers. As the DTx sector grows and consumer demand rises, compendia listing services will need to evolve to accommodate these new therapies and treatment modalities and facilitate patient access and efficient claims processing. Recommendations for how compendia companies can support managed care in these efforts are outlined.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».