Evaluating the Economic Impact of Novel Oncology Drug Coverage Through Patient Assistance Programs
Notice bibliographique
Résumé
PURPOSE: Despite a universal public health care system, Canadian oncology patients often enroll in patient assistance programs (PAPs) to access oncology drugs that are awaiting funding decisions. Our multicenter study evaluated the pharmacoeconomic and clinical impact of PAPs for patients with cancer in British Columbia (BC). METHODS: Eligible patients were diagnosed with cancer and enrolled in a PAP between January 2016 and December 2019 in three BC centers. Charts were reviewed for treatment details and survival data. For each drug indication, the hazard ratio from clinical trial data was multiplied by the median overall survival (mOS) or median progression-free survival (mPFS) of our cohort to estimate the mOS or mPFS if the drug was not received. Person life-years gained (PLYG) was the difference between the actual mOS or mPFS and the estimated mOS or mPFS if the drug was not received. Incremental cost-effectiveness ratios and drug costs were obtained from the Canadian Agency for Drugs and Technologies in Health. A total economic value of quality-adjusted life year (QALY) gained for each cohort was calculated and compared with the cost of drugs associated with the gain. RESULTS: Our cohort consisted of 1,025 patients who accessed 40 oncology drugs via PAP. The median time from Health Canada approval to provincial funding was 2.04 years. In the first PAP exposure group (N = 1,025), median PLYG was 0.38 years for OS and 0.80 years for PFS. The total estimated economic value of QALY gained was $83,068,819.32, with total drug costs of $97,026.661.44. CONCLUSION: PAPs were involved in covering up to $100 million in costs to bridge gaps between regulatory approval and public funding. Economic value and PLYG gained from PAPs are substantial.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».