MétaCan
Menu
← Retour à la cohorte
Enregistrement W7105545085 · doi:10.5281/zenodo.17587016

Integrating Real-World Evidence (RWE) in Oncology Drug Regulation: A Comparative Analysis of CDSCO and Health Canada

2025· article· W7105545085 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRegulatory scienceDigital healthCancer drugsHealth policyDrug developmentClinical trialHealth technologyRegulatory authorityControl (management)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Cancer remains a major global health challenge, necessitating continuous innovation in oncology therapeutics. While randomized controlled trials (RCTs) are the traditional gold standard for evidence generation, they often lack applicability to diverse real-world populations. This has fuelled growing interest in incorporating Real-World Evidence (RWE), derived from Real-World Data (RWD), into regulatory decision-making processes, especially in oncology. This study aims to compare how RWE is integrated into oncology drug regulation by two key regulatory bodies, Health Canada and India’s Central Drugs Standard Control Organization (CDSCO), in order to identify lessons and opportunities that can support India's evolving regulatory framework. A qualitative comparative analysis was conducted using regulatory documents, guidance frameworks, and real-world case examples. Canada’s CanREValue initiative was explored in depth, alongside an assessment of India’s emerging digital health infrastructure and policy efforts. Health Canada has established a mature RWE framework supported by multi-stakeholder collaborations and pilot projects, facilitating dynamic regulatory decisions in oncology. In contrast, CDSCO is in the early stages of RWE adoption, with limited formal guidance. However, initiatives like the Ayushman Bharat Digital Mission (ABDM) and national health registries offer promising pathways. Canada’s regulatory progress offers valuable insights for India. Strengthening digital infrastructure, developing national RWE frameworks, and fostering collaboration could transform India’s oncology regulatory ecosystem. This study highlights the potential of RWE to improve evidence-driven decision-making and enhance access to cancer therapies. Keywords: Real-World Evidence, Oncology, Drug Regulation, CDSCO, Health Canada, CanREValue

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)0,056
score de la tête « metaresearch » (Gemma)0,163
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,944

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,163
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,018
Études des sciences et des technologies0,0080,009
Communication savante0,0130,004
Science ouverte0,0020,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,360
Tête enseignante GPT0,457
Écart entre enseignants0,097 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→