Separating Prescription From Dispensation Medicines: Economic Effect Estimation in Japan
Notice bibliographique
Résumé
This study examined the effects of the separation between dispensing and prescribing medicines by pharmacists in pharmacies and doctors in medical institutions, respectively (separation system). The methodology avails public national data. The participation of Japanese medical institutions to the separation system was optional according to the legal system. Consequently, its spreading rate for each administrative district is highly variable, allowing us to study its correlation with various medication costs and other factors, such as the generic medicine replacement ratio, proportion of elderly, and number of doctors per 100 000 individuals as independent variables. These four factors are known to be influential in medical compensation. We used regression analysis by the weighted least square method, with dependent variables being costs of daily medicines, specifically, total, internal, one-shot, external, and injection medicines; medical devices, brand-name medicines, generic medicines, and number of prescribed medicines; as well as technical fees. The analysis focused on whether the extent of the separation system reduces costs such as those for medicines, medical devices, technical fees, or number of prescribed medicines. The partial regression coefficient of the spreading rate of the separation system was found to have negative relationships with all daily costs and number of prescribed medicines, as well as the technical fee, except for external medicines, for which most of the market is represented by light analgesics (taken by patients as needed). The necessity of separating prescribing and dispensing is thus low because of the low information asymmetry between doctors and patients. The results revealed that promoting the separation system reduced medication costs, because it normalized the medication market for daily necessities by compensating information asymmetry. Furthermore, the separation system reduced excesses in prescribing medicines.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».