PD67 Real-World Evidence To Inform Reflexive Practice And Create Value In Lung Cancer Care
Notice bibliographique
Résumé
Introduction Health technology assessment (HTA) agencies assess the value of innovative therapies and publish recommendations for practice. However, is publishing HTA products sufficient to generate value in the real world? The objectives of our work were to: (i) determine whether innovative therapies for lung cancer produce the expected results in the real-world setting; and (ii) assess whether recommendations are followed in real-world practice. Methods Clinical administrative data were used in this two-phase project. In the first phase, a descriptive portrait of the use of epidermal growth factor receptor tyrosine kinase inhibitors (EGFR-TKIs) for treating lung cancer was produced. Their value was assessed by comparing overall survival of treated patients observed in the province of Québec to the published literature. The second phase focused on the initial evaluation of patients diagnosed with lung cancer and treated first by surgery. The delay between first evidence of cancer and surgery was assessed, and the utilization of 27 healthcare services was analyzed and assessed according to our recommendations (algorithms) for lung cancer management. Results From the date the first EGFR-TKI was listed, it took about five years before these drugs were fully integrated into clinical practice. The median overall survival of patients in Québec who used an EGFR-TKI (three indications) was similar to that in most published studies, supporting previous reimbursement decisions. The median delay between first evidence of cancer and surgery was longer than the 60-day consensus target. Utilization of most healthcare services was heterogeneous between regions. Bronchoscopy on its own seemed overused in many regions, whereas non-surgical approaches as a first method for invasive mediastinal evaluation should have been more systematically applied. Conclusions At a relatively low cost, real-world evidence can serve as a powerful tool to validate reimbursement decisions and measure the state of clinical practice. By sharing results with stakeholders, it will enable clinical teams to reflect upon their practice and implement local improvement strategies.
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 | 0,204 | 0,374 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,022 | 0,010 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».