ID 257 - Comparação de Estimativas de Pacientes com Esclerose Múltipla Elegíveis para o Uso de Fingolimode no Sistema Único de Saúde (SUS) e Dados de Mundo Real
Renata Cristina Ferreira Rola, Alef Cleto Almeida, Nathalia Volpi e Silva, Daniela Atique Vicentini, Aline Mauch dos Santos, Aline Gomes Rocha, Júlia Lima, Pedro Antônio Guimarães Notaroberto Barbosa, Renato Mantelli Picoli

TL;DR
This study compares estimated numbers of patients eligible for fingolimod in Brazil's public health system with real-world data, finding significant discrepancies.
Contribution
The study highlights challenges in estimating eligible patient populations for new treatments in public health systems due to data limitations.
Findings
Estimated eligible patients for fingolimod were 20-37% lower than real-world data from 2014-2018.
The proposed diffusion rate for fingolimod was overestimated, with actual adoption reaching only half the projected rate in 2015.
The target patient proportion for 2017 was only achieved in 2020, showing delays in treatment adoption.
Abstract
Uma das etapas para a incorporação de tecnologia no SUS é a estimativa de pacientes elegíveis para receber a tecnologia, considerando um horizonte temporal de cinco anos. Em vista disso, o presente estudo visa comparar as estimativas de pacientes com esclerose múltipla remitente recorrente (EMRR) elegíveis para o uso de fingolimode no SUS apresentadas no relatório de recomendação com dados de mundo real, a fim de verificar se, no período pós-incorporação, as previsões aprovadas foram efetivamente cumpridas e se estão condizentes com a realidade do sistema público brasileiro. Os dados utilizados como referência para a análise foram extraídos do relatório de recomendação final da Comissão Nacional de Incorporação de Tecnologias no SUS (Conitec) n.º 113, publicado no ano de 2014, em relação ao uso de fingolimode para tratamento da EMRR. Os dados de interesse foram as estimativas e a…
Genes, proteins, chemicals, diseases, species, mutations and cell lines named across the full text — each resolved to its canonical identifier and authoritative record.
- —Oracle Life Sciences
Peer Reviews
No public reviews on file for this paper yet. If you reviewed it on a platform where reviews are public (OpenReview, ICLR, NeurIPS, ICML), you can paste yours below so the community can read it here.
Videos
No videos yet. Explain this paper in a talk, walkthrough, or lecture? Add one.
Taxonomy
TopicsMultiple Sclerosis Research Studies · Healthcare during COVID-19 Pandemic · Health Education and Validation
