Artikel
5 Fragen zur Erkundung der Stimmung von Entscheidungsträgern im Gesundheitswesen
-
Darlena Le
Entdecken Sie Erkenntnisse aus der AMCP Annual 2025
Q&A mit Darlena Le
Im Vorfeld der AMCP-Tagung 2025 hatten wir die Gelegenheit, mit Darlena Le, PharmD, Research Fellow, Health Outcomes and Market Access, über ihr Poster "Understanding healthcare decision-maker sentiments: Nutzung der Verarbeitung natürlicher Sprache zur Vorhersage der Ergebnisse der Arzneimittelabdeckung." Diese Arbeit nutzt KI zur Analyse qualitativer Daten und bietet neue Einblicke in die prädiktive Natur der Wahrnehmung von Entscheidungsträgern im Gesundheitswesen. Hannah Bischel, PharmD; Claire Gorey, PhD; Christopher Klein; Jason Lynch, MBA; Joseph Washington, PharmD, MS; Zade Hikmat, PharmD, MS; Andrew Gaiser, PharmD, MBA, MS; und Melissa McCart, PharmD, MS sind die Co-Autoren des Posters.
Hier teilt Darlena die Inspiration hinter ihrer Forschung, die wichtigsten Erkenntnisse, unerwartete Erkenntnisse und die nächsten Schritte
Was hat Sie zu dieser Forschung inspiriert?
Darlena Le: Künstliche Intelligenz (KI) war ein heißes Thema, und ich wollte unbedingt in diesem Bereich forschen. Während KI dafür bekannt ist, in verschiedenen Prozessen Effizienzsteigerungen zu erzielen, wollte ich mich auf die Analyse qualitativer Daten konzentrieren, was traditionell viel Zeit in Anspruch nimmt. Wir wollten uns auf die Stimmungsanalyse konzentrieren, eine spezielle Technik zur Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), die bewertet, ob Textdaten eine positive, negative, neutrale oder gemischte Stimmung vermitteln.
Während NLP im E-Commerce und in anderen Bereichen in großem Umfang eingesetzt wird, wurde in begrenztem Umfang untersucht, ob die Meinung von Entscheidungsträgern im Gesundheitswesen zu einem Produkt die Ergebnisse der Abdeckung von Arzneimitteln vorhersagen kann. Aufgrund unseres Zugangs zu FormularyDecisions, das es Entscheidungsträgern im Gesundheitswesen ermöglicht, qualitatives und quantitatives Feedback durch Produktumfragen zu geben, waren wir inspiriert, zu untersuchen, wie KI diese Antworten klassifizieren kann, und zu sehen, wie bestimmte Stimmungen dazu beitragen, die Ergebnisse der Arzneimittelabdeckung vorherzusagen.
Während NLP im E-Commerce und in anderen Bereichen in großem Umfang eingesetzt wird, wurde in begrenztem Umfang untersucht, ob die Meinung von Entscheidungsträgern im Gesundheitswesen zu einem Produkt die Ergebnisse der Abdeckung von Arzneimitteln vorhersagen kann. Aufgrund unseres Zugangs zu FormularyDecisions, das es Entscheidungsträgern im Gesundheitswesen ermöglicht, qualitatives und quantitatives Feedback durch Produktumfragen zu geben, waren wir inspiriert, zu untersuchen, wie KI diese Antworten klassifizieren kann, und zu sehen, wie bestimmte Stimmungen dazu beitragen, die Ergebnisse der Arzneimittelabdeckung vorherzusagen.
Gab es eine Hypothese, die durch die Forschung bestätigt wurde?
Darlena Le: Ursprünglich stellten wir die Hypothese auf, dass eine positive Stimmung zu günstigeren Ergebnissen bei der Abdeckung von Arzneimitteln führen würde. Stattdessen stellten wir fest, dass gemischte Stimmungen im Vergleich zu neutral mit günstigeren Ergebnissen bei der Abdeckung von Arzneimitteln verbunden waren. Das war überraschend und warf ein neues Licht auf unser Verständnis der Daten.
Was sind die wichtigsten Erkenntnisse aus Ihrer Forschung?
Darlena Le: Wir haben vom 16. Juni 2022 bis zum 1. Juni 2024 von Entscheidungsträgern im Gesundheitswesen offene Antworten auf die FormularyDecisions-Umfrage zu FDA-zugelassenen Produkten erhalten.
Wir untersuchten drei Produktattribute: klinische Wirksamkeit, Patientenwert und wirtschaftlicher Nutzen. Die AI Builder-Funktion der Microsoft Power Platform wurde verwendet, um eine Stimmungsanalyse durchzuführen, um Antworten auf diese Attribute als positive, negative, neutrale oder gemischte Stimmung zu klassifizieren.
Unsere Ergebnisse zeigten, dass gemischte Stimmungen im Vergleich zu neutral der stärkste Prädiktor für eine günstigere Prioritätsstufe und Präferenz für die Rezeptur waren. Mit anderen Worten, der Mixed-Sentiment-Typ war mit einer höheren Priorität bei der Verwaltung der Abdeckung für ein Produkt für die Überprüfung der Rezeptur und einer höheren Wahrscheinlichkeit verbunden, das Produkt mit dem Status "Bevorzugt" aufzulisten oder dies zu planen.
Wir untersuchten drei Produktattribute: klinische Wirksamkeit, Patientenwert und wirtschaftlicher Nutzen. Die AI Builder-Funktion der Microsoft Power Platform wurde verwendet, um eine Stimmungsanalyse durchzuführen, um Antworten auf diese Attribute als positive, negative, neutrale oder gemischte Stimmung zu klassifizieren.
Unsere Ergebnisse zeigten, dass gemischte Stimmungen im Vergleich zu neutral der stärkste Prädiktor für eine günstigere Prioritätsstufe und Präferenz für die Rezeptur waren. Mit anderen Worten, der Mixed-Sentiment-Typ war mit einer höheren Priorität bei der Verwaltung der Abdeckung für ein Produkt für die Überprüfung der Rezeptur und einer höheren Wahrscheinlichkeit verbunden, das Produkt mit dem Status "Bevorzugt" aufzulisten oder dies zu planen.
Gab es irgendetwas in der Forschung, das Sie überrascht hat, das Sie nicht erwartet haben, das Sie herausgefunden haben?
Darlena Le: Das überraschendste Ergebnis war, dass eher gemischte als positive Meinungen mit günstigeren Ergebnissen bei der Abdeckung von Arzneimitteln verbunden waren. Unsere Untersuchungen deuten darauf hin, dass gemischte Gefühle eine ausgewogene Bewertung eines Produkts widerspiegeln können. Diese Idee steht im Einklang mit einer früheren Studie, in der festgestellt wurde, dass Arztbewertungen, die sowohl positive als auch negative Eingaben enthielten, als objektiver wahrgenommen wurden und eine fundiertere Entscheidungsfindung ermöglichten. Diese Erklärung bedarf jedoch weiterer Untersuchungen.
Was sind die nächsten Schritte dieser Forschung?
Darlena Le: Zusätzliche Untersuchungen können dabei helfen, festzustellen, ob gemischte Meinungen tatsächlich eine ausgewogene Bewertung eines Produkts widerspiegeln und als potenzieller Indikator für die Abdeckung von Arzneimitteln dienen. Über die drei untersuchten Produktattribute hinaus könnten weitere Faktoren untersucht werden, die die Ergebnisse der Abdeckung von Arzneimitteln beeinflussen können. Eine vergleichende Analyse von Konkurrenzprodukten könnte ebenfalls weitere Erkenntnisse liefern, da die Umfragen zwar Fragen zu Konkurrenzprodukten enthielten, unser aktueller Fokus jedoch ausschließlich auf dem Produkt selbst lag.
Zitate, die für den hier beschriebenen Inhalt relevant sind, finden Sie in dem hier verlinkten Artikel. Die Leser sollten alle verfügbaren Informationen zu den hier genannten Themen überprüfen und sich bei der Entscheidungsfindung auf ihre eigenen Erfahrungen und ihr Fachwissen verlassen.
Verbinden Sie sich mit unserem Team
Unser Team aus führenden Value-Experten hat es sich zur Aufgabe gemacht, Evidenz, Wissen zu Richtlinien und Marktinformationen in effektive globale Marktzugangsstrategien umzuwandeln. Wir helfen Ihnen, sich in der komplexen Landschaft des heutigen Gesundheitswesens sicher zurechtzufinden. Kontaktieren Sie uns, um zu erfahren, wie wir Ihre Ziele unterstützen können.
