MétaCan
Menu
Retour à la cohorte
Enregistrement W2356112331 · doi:10.1002/hec.3348

Inducing optimal substitution between antibiotics under open access to the resource of antibiotic susceptibility

2016· article· en· W2356112331 sur OpenAlexafffund
Markus Herrmann, Bruno Nkuiya

Notice bibliographique

RevueHealth Economics · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensUniversity of AlbertaUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésAntibioticsSubsidyResource (disambiguation)Quality (philosophy)EconomicsEnvironmental economicsBusinessBiologyComputer scienceMicrobiology

Résumé

récupéré en direct d'OpenAlex

This paper designs a bio-economic model to examine the use of substitute antibiotic drugs (analogs) sold by an industry that has open access to the resource of the antibiotic class's susceptibility (treatment effectiveness). Antibiotics are characterized by different expected recovery rates and production costs, which in conjunction with the class's treatment susceptibility determines their relative effectiveness. Our analysis reveals that the high-quality antibiotic drug loses its comparative advantage over time making the low-quality drug the treatment of last resort in the market equilibrium and the social optimum when antibiotic susceptibility cannot replenish. However, when antibiotic susceptibility is renewable, both antibiotics may be used in the long run, and the comparative advantage of the high-quality drug may be restored in the social optimum that allows lowering infection in the long run. We develop the optimal tax/subsidy scheme that would induce antibiotic producers under open access to behave optimally and account for the social cost of infection and value of antibiotic susceptibility. We show that the welfare loss associated with the uncorrected open-access allocation is highest; when the resource of antibiotic susceptibility is non-renewable, high morbidity costs are incurred by individuals, and low social discount rates apply. Copyright © 2016 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,565
Score d'incertitude au seuil0,752

Scores Codex et Gemma par catégorie

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

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 Opus0,257
Tête enseignante GPT0,409
Écart entre enseignants0,152 · 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 tête enseignante, 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

Citations7
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetPharmaceutical Economics and PolicyTravaux en français237 207