Describing Sources of Uncertainty in Cancer Drug Formulary Priority Setting across Canada
Notice bibliographique
Résumé
Over the years, there have been significant advances in oncology. However, the rate that therapeutics come to market has increased, while the strength of evidence has decreased. Currently, there is limited understanding about how these uncertainties are managed in provincial funding decisions for cancer therapeutics. We conducted qualitative interviews with six senior officials from four different Canadian provinces (British Columbia, Alberta, Quebec, and Ontario) and a document review of the uncertainties found in submissions to the pan-Canadian Oncology Drug Review (pCODR). Participants reported considerable uncertainty related to a lack of solid clinical evidence (early-phase clinical trials: generalizability, immature data, and the use of unvalidated surrogate outcomes). Proposed strategies to deal with the uncertainty included risk-sharing agreements, collection of real-world evidence (RWE), and ongoing collaboration between federal groups and provinces. The document review added to the reported uncertainties by classifying them into five main categories: trial validity, population, comparators, outcomes, and intervention. This study highlights how decision makers must deal with significant amounts of uncertainty in funding decisions for cancer drugs, most of which stems from methodological limitations in clinical trials. There is a critical need for transparent priority-setting processes and mechanisms to reevaluate drugs to ensure benefit given the high level of uncertainty of novel therapeutics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,071 | 0,142 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,035 | 0,017 |
| Communication savante | 0,014 | 0,004 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».