MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412354435 · doi:10.1186/s12913-025-13088-8

Treatment-specific interrupted time series analyses of judicial deference to health technology assessment in Brazil

2025· article· en· W4412354435 sur OpenAlexafffund
Mathieu J. P. Poirier, Tina Nanyangwe-Moyo, Natália Pires de Vasconcelos, Daniel Wang, Gigi Lin, Ana Luiza Chieffi, Cauê Mônaco, Z Mao, Steven J. Hoffman

Notice bibliographique

RevueBMC Health Services Research · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensYork UniversityCentre for Global Health Research
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Research, Innovation and ScienceWellcome Trust
Mots-clésNursing researchHealth informaticsHealth administrationMedicineInterrupted time seriesDeferencePublic healthInterrupted Time Series AnalysisJudicial deferenceSeries (stratigraphy)NursingLawStatisticsPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The use of health rights litigation as a parallel decision-making venue to bypass health technology assessments (HTA) has resulted in unintended inequitable impacts on Latin American health systems since the 1990s. Brazil created a new HTA body in 2011 to promote a transparent and evidence-informed process in the Ministry of Health´s decisions about treatment coverage, but its impact on the judicial system’s provision of specific treatments to patient litigants has not yet been quantitatively evaluated. METHODS: We leverage a unique dataset of 3,774 judicial claims for ten of Brazil’s most frequently litigated treatments to conduct the first quasi-experimental evaluation of treatment-specific changes in judicial decisions providing treatments through the national health system. Interrupted time series analyses using ordinary least-squares and logistic fractional response regressions were used to determine if an HTA recommendation was significantly associated with a change in court decisions in favour of litigants following a positive or negative recommendation for national coverage for the ten most litigated treatments in the country. RESULTS: We find no evidence of a statistically significant change in court decisions using ordinary least-squares regression and decreases of smaller than 2.1% in positive court decisions using logistic fractional regression, regardless of whether HTA recommended for or against coverage. Among treatments recommended for coverage, three treatments experienced decreases in positive court decisions ranging from 3.1 to 26.8%. Among treatments recommended against coverage, two treatments experienced decreases in positive decisions ranging from 5.2 to 14.2%, and one treatment experienced a 9.6% increase in positive decisions. CONCLUSIONS: Our results demonstrate that nearly all court claims filed for the ten most litigated treatments in Brazil were granted, and HTA recommendations had almost no impact on judicial decisions to grant patient petitions for coverage. Policymakers should be aware that the creation of an HTA does not guarantee that its recommendations will produce a change in court decision making on patient petitions for treatment coverage. To realize the promise of basing difficult decisions on the provision and allocation of health technologies on principles of clinical utility, cost-effectiveness, and equity, the failure to meaningfully incorporate HTA in judicial processes must be addressed.

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)0,015
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,069
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,465
Tête enseignante GPT0,599
Écart entre enseignants0,133 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→