-
Obtenção estruturada de informações de especialistas em avaliações de tecnologias em saúde globais: aceitação e aplicação.
- Voltar
Título
Obtenção estruturada de informações de especialistas em avaliações de tecnologias em saúde globais: aceitação e aplicação.
Tipo de documento
Resumo
Descrição
Resumo apresentado na The Professional Society for Health Economics and Outcomes Research (ISPOR)
Fonte
ISPOR
Ano de publicação
2026
Referência (Vancouver)
James ML, Brown A. Structured expert elicitation in global htas: Acceptance and application [Internet]. In: ISPOR 2026; 2026 maio; Filadélfia, Pensilvânia, Estados Unidos. Disponível em: https://www.ispor.org/heor-resources/presentations-database/presentation-cti/ispor-2026/poster-session-1-4/structured-expert-elicitation-in-global-htas-acceptance-and-application
Identificador
2026ISPOR120
Title
Structured expert elicitation in global htas: Acceptance and application
Document type
Abstract
Description
Abstract presented at The Professional Society for Health Economics and Outcomes Research (ISPOR)
Source
ISPOR
Publication year
2026
Reference (Vancouver)
James ML, Brown A. Structured expert elicitation in global htas: Acceptance and application [Internet]. In: ISPOR 2026; 2026 May; Philadelphia, Pennsylvania, United States. Available from: https://www.ispor.org/heor-resources/presentations-database/presentation-cti/ispor-2026/poster-session-1-4/structured-expert-elicitation-in-global-htas-acceptance-and-application
Identifier
2026ISPOR120
Resumo
OBJETIVOS: A avaliação de tecnologias em saúde (ATS) utiliza métodos explícitos para avaliar o valor clínico, econômico e social das tecnologias em saúde; contudo, a inclusão de evidências limitadas ou incompletas pode resultar em incerteza na tomada de decisão das partes interessadas. A elicitação estruturada de especialistas (EEE), uma abordagem sistemática cada vez mais adotada, é utilizada para eliminar vieses inerentes e a falta de robustez causadas por evidências limitadas. Este estudo buscou compreender a aceitabilidade e a aplicação dos métodos de EEE na tomada de decisão em ATS em diferentes autoridades. MÉTODOS: A inclusão de métodos de EEE nas diretrizes de ATS foi avaliada em todos os mercados de interesse (Reino Unido, Alemanha, França, EUA, Canadá, Japão, Brasil e Austrália). Uma análise sistemática foi realizada para identificar diretrizes explícitas e avaliar a aceitabilidade dos métodos de EEE pelas autoridades de ATS. Três estudos de caso independentes foram avaliados para identificar insights obtidos a partir dos métodos de EEE. RESULTADOS: O uso de métodos de EEE foi considerado aceitável por 75% das autoridades de ATS, embora os detalhes das diretrizes metodológicas explícitas tenham variado. O uso de métodos de EEE foi considerado mais aceitável em circunstâncias onde os dados empíricos eram escassos ou incompletos; A orientação sobre métodos formais de elicitação e as melhores práticas foi mencionada por 50% das autoridades. A revisão de estudos de caso revelou que os métodos de Elicitação de Informações Específicas (EEE) foram empregados para obter insights sobre: o padrão atual de atendimento e as necessidades não atendidas; os percursos dos pacientes; os resultados a longo prazo; a adesão ao tratamento; a avaliação da qualidade de vida do paciente; as práticas de prescrição; e a avaliação de modelos econômicos. CONCLUSÕES: A possibilidade de resultados negativos devido à incerteza significa que os métodos de EEE estão desempenhando um papel cada vez mais importante, fornecendo insights vitais para apoiar o acesso ao mercado e as submissões de Avaliações de Tecnologias em Saúde (ATS). Embora não existam diretrizes padronizadas atuais sobre a condução de EEE para ATS, há uma crescente aceitação entre as autoridades, particularmente onde as evidências documentadas são escassas ou incompletas, com estudos de caso demonstrando que os insights obtidos por meio de métodos de EEE melhoram o apoio à tomada de decisões positivas em ATS.
Notas
O registro foi originalmente publicado em inglês. A versão em português foi traduzida com o apoio de inteligência artificial.
Abstract
OBJECTIVES: Health technology assessment (HTA) uses explicit methods to evaluate the clinical, economic, and societal value of health technologies; yet the inclusion of limited or incomplete evidence can result in uncertainty in stakeholder decision-making. Structured expert elicitation (SEE), an increasingly adopted systematic approach, is used to remove inherent biases and lack of robustness caused by limited evidence. This study sought to understand the acceptability and application of SEE methods in HTA decision-making across different authorities.
METHODS: Inclusion of SEE methods into HTA guidance was evaluated in all markets of interest (UK, Germany, France, USA, Canada, Japan, Brazil, and Australia). Systematic analysis was performed to identify explicit guidance and evaluate the acceptability of SEE methods by HTA authorities. Three unrelated case studies were evaluated to identify insights gathered from SEE methods.
RESULTS: Use of SEE methods was considered acceptable across 75% of HTA authorities, yet details of explicit methodological guidance varied. The use of SEE methods was considered most acceptable in circumstances where empirical data were lacking or incomplete; guidance on formal elicitation methods and best practice were noted by 50% of authorities. Case study review revealed that SEE methods were employed to gain insights on the following: current standard of care and unmet needs; patient pathways; long-term outcomes; treatment compliance; appreciation of patient quality of life; prescribing practices; and evaluation of economic models.
CONCLUSIONS: The possibility for negative outcomes due to uncertainty means that SEE methods are playing an increasingly important role, providing vital insights to support market access and HTA submissions. Whilst there are no current standardized guidelines on conducting SEE for HTAs, there is increased acceptability amongst authorities; particularly where documented evidence is lacking or incomplete, with case studies demonstrating that insights gathered from SEE methods are shown to improve support for positive HTA decision-making.
Notes
The record was originally published in English. The Portuguese version was translated with the support of artificial intelligence.