MétaCan
Menu
Retour à la cohorte
Enregistrement W2508484044 · doi:10.1177/0020731416662612

The Trans Pacific Partnership Agreement and Pharmaceutical Regulation in Canada and Australia

2016· article· en· W2508484044 sur OpenAlexaffabout
Joel Lexchin, Deborah Gleeson

Notice bibliographique

RevueInternational Journal of Health Services · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)FormularyGeneral partnershipPharmaceutical policyTechnical barriers to tradeListing (finance)Intellectual propertyBusinessInternational tradeAccess to medicinesPolitical sciencePublic administrationPublic economicsEconomicsEconomic growthFinanceHealth policyLawMedicineTrade barrierHealth care

Résumé

récupéré en direct d'OpenAlex

The Trans Pacific Partnership Agreement (TPP) is a large regional trade agreement involving 12 countries. It was signed in principle in February 2016 but has not yet been ratified in any of the participating countries. The TPP provisions place a range of constraints on how governments regulate the pharmaceutical sector and set prices for medicines. This article presents a prospective policy analysis of the possible effects of the TPP on these two points in Canada and Australia. Five chapters of relevance to pharmaceutical policy are analyzed: chapters on Technical Barriers to Trade (Chapter 8), Intellectual Property (Chapter 18), Investment (Chapter 9), Dispute Resolution (Chapter 28), and an annex of the chapter on Transparency and Anti-Corruption (Chapter 26, Annex 26-A). The article concludes that the TPP could have profound effects on the criteria these countries use to decide on drug safety and effectiveness, how new drugs are approved (or not) for marketing, post-market surveillance and inspection, the listing of drugs on public formularies, and how individual drugs are priced in the future. Furthermore, the TPP, if ratified and enforced, will reduce future policy flexibility to address the increasing challenge of rising drug prices.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,267
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,087
Tête enseignante GPT0,354
Écart entre enseignants0,266 · 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

Citations19
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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