MétaCan
Menu
Retour à la cohorte
Enregistrement W4411792574 · doi:10.1080/14737167.2025.2525224

Challenges with integrating early-stage cancer trial endpoints into economic models: review of health technology recommendations for adjuvant or neoadjuvant therapies in Canada

2025· article· en· W4411792574 sur OpenAlexafffundabout
Jaclyn Beca, Don Husereau, Eon Ting

Notice bibliographique

RevueExpert Review of Pharmacoeconomics & Outcomes Research · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensAstraZeneca (Canada)University of Ottawa
Organismes subventionnairesAstraZeneca CanadaAstraZeneca
Mots-clésMedicineAdjuvantStage (stratigraphy)Intensive care medicineNeoadjuvant therapyOncologyCancerInternal medicineBreast cancer

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Adjuvant and neoadjuvant therapies for early-stage cancers demonstrate early clinical benefit in delaying disease recurrence. Health technology assessments require economic evaluations modeling lifetime disease trajectories. We examined modeling approaches used in Canadian health technology reviews to understand relevant challenges and identify opportunities for methodological improvements. METHODS: From CDA-AMC reimbursement recommendations for adjuvant/neo-adjuvant treatment of solid tumors, we collected outcomes and details of submitted clinical and economic evidence. We classified issues raised during economic review related to data maturity, surrogacy, treatment pathways, and assumptions surrounding extrapolation, duration of benefit and cure. RESULTS: Reviews from Jul/2015-Mar/2023 were identified. Reimbursement was recommended in 14/18 (78%) reviews. All assessments described OS as immature. Most (9/10, 90%) reviews with interim comparative OS data recommended reimbursement, while several (3/8, 38%) without OS data were not recommended. CDA-AMC revisions changed implications for cost-effectiveness ($50,000/QALY threshold) in 10/18 (56%) reviews. Duration of benefit assumptions was inconsistent among both submitters and reviewers. Cure-time was consistently revised to ≥5 years from initiation. CONCLUSIONS: Despite surrogate endpoints and immature survival data, positive reimbursement recommendations were common. CDA-AMC re-analyses frequently had modest impacts on cost-effectiveness. Further guidance is needed to capture benefits and assess uncertainties with more consistency for early-stage cancers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,206
score de la tête « metaresearch » (Gemma)0,525
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,979

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2060,525
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0060,010
Bibliométrie0,0180,023
Études des sciences et des technologies0,0020,003
Communication savante0,0130,004
Science ouverte0,0080,004
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,450
Tête enseignante GPT0,632
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueExpert Review of Pharmacoeconomics & Outcomes ResearchMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207