Considerations when applying equity weights within economic evaluation when making drug reimbursement decisions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
When decision-makers use economic evaluation to facilitate making decisions about reimbursing whether to reimburse pharmaceuticals within a publicly funded health care system, they may consider whether to prioritise specific patient populations or diseases: e.g., cancer or rare disease. This can be achieved through applying equity weights to outcomes such as QALYs. Decision makers, however, must choose whether equity weights are applied to solely the treatment of a specific disease or to treatments of the patient with the specific disease. Without such clarification, confusion may arise which can hinder the work of those who must make reimbursement recommendations and decisions. This study examines the repercussions of implementation of equity weights. For illustration, two hypothetical case studies relating to a rare disease are considered. The first case study demonstrates that applying equity weights only to the treatment of the rare disease of interest can lead to a patient with that rare disease accruing less benefits at a higher cost to the payer. The second case study demonstrates that if equity weights are applied to the patients who have a specific rare disease, then funding of a treatment for a common disease may be restricted only to those patients for whom treatment is more costly and less effective. As discussions continue with respect to applying equity weights within economic evaluation, it is important that the repercussions outlined are recognised.
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.
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 | 0,068 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,023 |
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 découle