Reimbursement recommendations before and after adoption of application fees by the Canadian Agency for Drugs and Technologies in Health: a cross-sectional study
Notice bibliographique
Résumé
Abstract Objectives To determine if the introduction of drug company payment of application fees to the Canadian Agency for Drugs and Technologies in Health (CADTH) had an effect on its reimbursement recommendations to public drug funders for drugs with oncology and non-oncology indications. Methods Drug submissions from 2009 to 2019 (non-oncology drugs) and from 2012 to 2020 (oncology drugs) were analyzed and the CADTH recommendation (reimburse/do not reimburse) was recorded. Drugs indications were categorized as either oncology or non-oncology. Seven covariates that might have affected CADTH’s recommendations were entered into a logistic regression equation and the change in the odds ratio (OR) for recommending reimbursement after the introduction of application fees for both groups of drugs was computed. Key findings CADTH made recommendations for 258 drugs. After the introduction of application fees, there was a 0.8333 (95% CI 0.1640, 3.374) change in the OR of recommending reimbursement versus no reimbursement for drugs with an oncology indication. For drugs with a non-oncology indication, there was a 6.096 (95% CI 2.943, 13.39) change in the OR. Conclusions Industry funding of CADTH creates a conflict of interest that may have changed its recommendations for reimbursement for non-oncology drugs.
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 | 0,038 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».