Potential effects of rational prescribing on national health care spending: More than half a billion dollars in annual savings.
Notice bibliographique
Résumé
OBJECTIVE: To estimate the cost savings that could result from implementation of a rational prescribing model for drug classes that are equivalent in terms of efficacy, toxicity, and convenience. DESIGN: The top 10 drug classes based on annual spending were gathered from the Canadian Institute for Health Information. They were reviewed for potential inclusion in the study based on the ability to compare intraclass medications. When equivalence in efficacy, toxicity, and convenience was determined from a literature review, annual prescribing data were gathered from the National Prescription Drug Utilization Information Systems Database. The potential cost savings were then calculated by comparing current market shares with potential future market shares. SETTING: Canada. MAIN OUTCOME MEASURES: Estimated differences in spending produced by a rational prescribing model. RESULTS: Statins, proton pump inhibitors, angiotensin-converting enzyme inhibitors, and selective serotonin reuptake inhibitors were determined to have class equivalence for efficacy, toxicity, and convenience. Total current annual spending on these classes is $856 million through public drug programs, and an estimated $1.97 billion nationally. Through rational prescribing, annual savings could reach $222 million for public drug programs, and $521 million nationally. CONCLUSION: Most of the potential savings are derived from deprescribing the newest patent-protected medications in each class. Avoiding prescribing the newest intraclass drug, particularly in the absence of research to support its superiority in relevant clinical outcomes, could lead to considerable savings in health care expenditures and might push the pharmaceutical industry to innovate rather than imitate.
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 | 0,000 | 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 | 0,000 |
| 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 ».