Maximizing Value and Reducing Waste: Identifying Suboptimal Prescription Drug Dispensations in Alberta
Notice bibliographique
Résumé
This dissertation represents the first application of the health technology reassessment (HTR) model for outpatient prescription drugs. The objectives of this work were to develop and apply an approach to identify candidate outpatient prescription drugs for HTR in Alberta. This thesis includes three distinct projects. First, the approach to the identification of candidate prescription drugs for HTR in Alberta was developed. The approach embodies the process attributes of data-driven, routine and replicable, actionable, enabling broad collaboration, and offering high return on investment. Initial identification of candidate technologies should include all candidate technologies and clinical areas to minimize clinician disengagement and compare outcomes of proposed changes in use. Second, funnel plots were quantitatively compared across Anatomic Therapeutic Chemical (ATC) classes at the fourth level stratified by prescriber specialty. We used variation in prescription dispensation rates between prescribers to estimate three outcomes: the number of prescribers affected, the number of patients affected, and the potential budgetary impact. Combinations of ATC class and prescriber specialty were ranked in descending order for each of these outcomes, with dispensation rates above and below the mean considered separately. The top ATC classes for each outcome showed high similarity above and below the mean, with minimal overlap between outcomes. Third, patients with dispensations of the ATC classes with the highest potential for reducing budgetary impact were compared to identify formulary management levers for policy action. Administrative data were used to evaluate the presence of variation in effective care, variation in supply sensitive care, and variation in preference sensitive care. Based on this work, suggested policy actions supported were broad, such as aggressive price negotiation, and the pursuit of alternatives such as biosimilars to reduce price. Overall, high-level assessment of variation held much promise for HTR of prescription drugs due to the low up-front efforts, but focusing on relative variation also created distance from meaningful clinical context. Other methods of technology identification based on absolute standards may be more likely to maintain clinical relevance. This would come at the cost of increased efforts during technology identification.
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 | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».