MétaCan
Menu
Retour à la cohorte
Enregistrement W4414146591 · doi:10.1017/s0266462325100445

The use of real-world evidence among healthcare payers: a scoping review

2025· review· en· W4414146591 sur OpenAlexafffund
Lisa Masucci, Diedron Lewis, Caitlin Carter, Kelvin Chan, William Wong

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2025
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensSunnybrook Health Science CentreUniversity of WaterlooToronto General Hospital
Organismes subventionnairesOntario Institute for Cancer Research
Mots-clésReimbursementHealth careMEDLINERigourPatient careScientific evidence

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Real-world evidence (RWE) is increasingly used to assess and make regulatory decisions on health technologies. However, its application in healthcare payer decision-making is less well-known. OBJECTIVES: The objectives of this study were to (i) review the recent literature on how RWE has been used by healthcare payers, (ii) highlight barriers that limit the use of RWE in payer decision making, and (iii) explore how RWE has been used in various funding arrangements between payers and manufacturers. The benefits of utilizing RWE are also discussed. METHODS: A scoping review was conducted on articles published between 2014 and 2025 in PubMed (Medline), OVID EMBASE, Cochrane Library, and ProQuest Dissertations and Theses Global. Eligible articles were those written in English that discussed the use of real-world evidence among healthcare payers/decision-makers for health technology reimbursement decisions. RESULTS: Nineteen articles were selected for full-text review based on the inclusion criteria. The review highlighted payers' interest in incorporating RWE into funding and reimbursement decisions to address uncertainty in the performance of new health technologies. However, a lack of standards for collecting, analyzing, and reporting RWE limits its use. Little is known about how RWE is used in reimbursement decisions since contractual arrangements between payers and manufacturers are confidential. CONCLUSIONS: Although payers are interested in using RWE to inform funding and reimbursement decisions, there are concerns regarding the scientific rigor used to generate such evidence. Having more insight into the contractual arrangements between payers and manufacturers would help to better understand how RWE informs these agreements.

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)0,145
score de la tête « metaresearch » (Gemma)0,528
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,767

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1450,528
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0080,007
Bibliométrie0,0410,030
Études des sciences et des technologies0,0020,005
Communication savante0,0140,014
Science ouverte0,0040,005
Intégrité de la recherche0,0080,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,539
Tête enseignante GPT0,596
Écart entre enseignants0,057 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207