MétaCan
Menu
Retour à la cohorte
Enregistrement W2255665729 · doi:10.1177/0020731418789610

Intellectual Property Protection and Drug Plan Coverage: Evidence From Ontario

2018· article· en· W2255665729 sur OpenAlexafffundabout
Paul Grootendorst, Minsup Shim, Adam Falconi, Tyler Robinson, Joel Lexchin

Notice bibliographique

RevueInternational Journal of Health Services · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensEli Lilly (Canada)York UniversityMcMaster UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFormularyListing (finance)BusinessIntellectual propertyGeneric drugDrugMedicineFinancePharmacologyLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Canada has strengthened intellectual property (IP) protections for pharmaceutical drugs several times over the last 3 decades. This study investigates whether the IP changes had an effect on the market exclusivity time of brand products on the Ontario Drug Benefit (ODB) formulary. We constructed a database that included the first brand approval date for drugs launched between 1974 and 2012, the first ODB listing date of the brand drug, and the first ODB listing date of the generic form of the drug. We then calculated the time of formulary exclusivity to detect any changes in market exclusivity times associated with changes to Canada's IP regimen. There were 595 drugs launched between 1974 and 2012 that were available for analysis. Exclusivity gradually declined from the late 1970s to 1990. Drugs approved in 2004 received 7.6 years of exclusivity, and drugs approved in 2005 received 5 years of exclusivity. Over the time period we analyzed, market exclusivity time of brand drugs experienced marked changes, but we did not detect any systematic effects of Canada's stronger pharmaceutical IP laws on the market exclusivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,374

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,008
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,319
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health ServicesMême sujetPharmaceutical Economics and PolicyTravaux en français237 207