Contextual factors in value-based decision support to enhance health technologies adoption: the case of biosimilars
Notice bibliographique
Résumé
Introduction: Biosimilar medicines play a critical role in enhancing global health outcomes by improving access to effective biologic treatments. However, their acceptance and implementation, particularly in emerging markets, depend not only on clinical evidence but also on the integration of societal, individual, and cultural values. This paper explores how value-based decision-making can support the adoption of biosimilars across diverse contexts. Methods: A multi-stakeholder workshop was conducted with participants from various countries, focusing on decision-making processes for biosimilars in emerging health systems. Discussions addressed stakeholder roles, contextual influences, and the alignment of evidence with values. A Multi-Criteria Decision Analysis (MCDA) framework was proposed as a tool to systematically integrate measurable outcomes and intangible factors such as trust, perceived quality, and cultural acceptance. Results: Key barriers identified included regulatory uncertainties, limited local evidence, regional data protection constraints, and patient preferences for originator biologics. Participants emphasized the importance of adaptable frameworks that reflect local cultural, economic, and systemic conditions. The proposed MCDA approach was viewed as a promising method for capturing complex value dimensions and facilitating transparent, inclusive decision-making. Broader societal benefits of biosimilars, such as economic development through local production, were also highlighted. Discussion: The workshop underscored the need for value-sensitive implementation strategies that go beyond clinical effectiveness. Integrating context-specific values into evidence-based decision-making can foster trust and support the sustainable adoption of biosimilars. The MCDA framework offers a structured approach to operationalize these principles. Future research should test and refine this model in varied health system settings to support its practical application by policymakers, healthcare providers, and industry stakeholders.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».