Is there another reason for the change in the rate of recommendations to reimburse from Canada’s drug agency?
Notice bibliographique
Résumé
Abstract Objective To assess whether the development of the pan-Canadian Pharmaceutical Alliance (pCPA) could be a reason for the change in the rate of recommendations to reimburse from Canada’s Drug Agency (CDA). Methods Data on submissions and recommendations were obtained from CDA’s reimbursement review reports. Only the first submission for each drug-indication combination between 2009 and 2023 was included. Recommendations to reimburse with or without clinical criteria and/or conditions were combined as positive recommendations, while do not reimburse recommendations were categorized as negative. Rates of positive and negative recommendations for submissions made in 2009 to 2013 (before and during the pCPA’s initial development), 2014 to 2018 (when the pCPA was formalized but not a standalone agency), and 2019 to 2023 (when pCPA transitioned into a standalone organization) were calculated for all drugs, oncology drugs, and non-oncology drugs. Key findings There has been a significant increase in the rate of positive recommendations for non-oncology medicines between 2009 and 2013 when the pCPA was not fully active and the rate in the following 10 years (P < .0001). Oncology drugs had a higher rate of positive recommendations than non-oncology drugs prior to the pCPA becoming fully active and the rate stayed approximately the same. Conclusion The creation of the pCPA has allowed CDA to step back from its role as price gatekeeper and pass it to the pCPA, permitting CDA to focus on its health technology assessment function. The pCPA’s establishment is an alternative reason for the significant increase in positive CDA recommendations.
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 | 0,049 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».