Indirect Treatment Comparisons in Healthcare Decision Making: A Targeted Review of Regulatory Approval, Reimbursement, and Pricing Recommendations Globally for Oncology Drugs in 2021–2023
Notice bibliographique
Résumé
INTRODUCTION: Indirect treatment comparisons (ITCs) evaluate novel treatments compared to appropriate comparators when direct evidence is unavailable or infeasible. The objective of this study was to highlight the prevalence of different ITC methods in oncology drug submissions and to provide insights into how ITCs have been used in recent regulatory approval, reimbursement recommendations, or pricing decisions across various regions and diverse assessment frameworks. METHODS: A targeted literature review was conducted to identify assessment documents for oncology drug submissions that included ITCs. This included hand searches of the websites of four regulatory bodies and four health technology assessment (HTA) agencies with varying assessment frameworks across North America, Europe, and Asia-Pacific. RESULTS: A total of 185 documents were included for synthesis. Documents were retrieved from all four HTA agencies and the European Medicines Agency (EMA), the only regulatory body with eligible records. Within these, 188 unique submissions included a total of 306 supporting ITCs of various methods. Authorities more frequently favored anchored or population-adjusted ITC techniques for their effectiveness in data adjustment and bias mitigation. Furthermore, ITCs in orphan drug submissions more frequently led to positive decisions compared to non-orphan submissions. CONCLUSIONS: This review highlights the crucial role and widespread use of ITCs in global healthcare decision-making, particularly when direct evidence is lacking, and in the discernment of market-specific clinical benefits. This work contributes to bolstering the credibility and recognition of ITCs across regulatory and HTA agencies of diverse regions and assessment frameworks.
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 | 0,013 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».