Intégration des médicaments biosimilaires à la pratique de l’oncologie
Notice bibliographique
Résumé
<p class="p1"><span class="s1">D</span>ans les dernières années, les biothérapies s’imposent de plus en plus pour traiter le cancer et d’autres maladies, mais ces traitements représentent un fardeau économique considérable pour le système de santé (Cohen, 2017; Godman et al., 2018). Pour contrer la hausse des coûts des soins de santé, les médicaments biosimilaires, des biomédicaments plus abordables, sont apparus sur le marché. Ceux-ci permettent de répondre aux besoins actuels en plus de faciliter l’accès aux biothérapies pour tous les patients. En 2018, au Canada, les économies combinées réalisées grâce à l’utilisation des formes biosimilaires de l’étanercept, du filgrastim, de l’infliximab et de l’insuline glargine s’élevaient à 94 millions de dollars (Biologics in Canada/Les médicaments biologiques au Canada, 2018). Si l’Europe a adopté les médicaments biosimilaires il y a déjà 15 ans (Health Canada/Santé Canada, 2019), c’est en 2018 que Santé Canada a approuvé le premier médicament biosimilaire destiné au traitement du cancer (un substitut du bévacizumab) (Generics and Biosimilar Initiative, 2021). Encore aujourd’hui, les professionnels de la santé se questionnent sur l’efficacité et l’innocuité des médicaments biosimilaires en oncologie (Rugo et al., 2018). De plus, le cadre de réglementation des médicaments biosimilaires varie d’une province canadienne à l’autre, ce qui peut compliquer leur intégration à la pratique clinique. Le présent article a pour but de donner aux infirmières en oncologie une vue d’ensemble des médicaments biosimilaires au Canada et de déconstruire les principaux mythes et les idées reçues sur cette classe de médicaments.
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 | 0,006 | 0,001 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 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 ».