Promotion and Leakage under a Pharmaceutical Price-Volume Agreement
Notice bibliographique
Résumé
Third-party payers often reimburse drugs that are listed on formularies. Formularies list drugs that have been clinically proved to be safe and effective and have been approved for certain uses by a regulatory authority, such as the U.S. Food and Drug Administration. However, once a drug is approved, physicians may also prescribe it for unapproved or “off-label” indications. In addition, although third-party payers may specify some of labelled uses for reimbursement, prescriptions may leak to unspecified but labelled indications. Once a drug is listed on a formulary, the payer faces unlimited liability for that drug. Drug manufacturers thus try to get their drugs listed on a formulary and promote sales for both labelled and off-label uses. Some third-party payers use price-volume agreements to control unspecified drug uses. This paper investigates how a manufacturer would make marketing decisions under a price-volume agreement. We develop an optimization model in which the manufacturer maximizes its expected profit by choosing marketing efforts to promote different uses. We also compare models when off-label uses are reimbursed and when they are completely avoided to illustrate the impact of off-label promotion on the optimal decisions, on the decision makers' performance and on the cost-effectiveness of drug uses. We are not aware of any paper that theoretically investigates off-label promotions. This paper drives a number of interesting managerial insights on how to control off-label uses by applying operations research methods to address a health care policy issue.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».