MétaCan
Menu
Retour à la cohorte
Enregistrement W2943349812 · doi:10.1377/hlthaff.2018.05207

Using External Reference Pricing In Medicare Part D To Reduce Drug Price Differentials With Other Countries

2019· article· en· W2943349812 sur OpenAlexaboutno aff
So-Yeon Kang, Michael J. DiStefano, Mariana P. Socal, Gerard F. Anderson

Notice bibliographique

RevueHealth Affairs · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReference priceDrug pricesDrug pricingMedicare Part DEconomicsList priceDifferential (mechanical device)Brand namesBusinessActuarial scienceMonetary economicsPrescription drugFinanceMicroeconomicsMedicineAdvertisingMedical prescriptionPharmacology

Résumé

récupéré en direct d'OpenAlex

Many countries use external reference pricing to help determine drug prices. However, external reference pricing has received little attention in the US-perhaps because the US is often the first adopter of drugs. External reference pricing could be used to set prices for drugs that were already established in the market. We compared the price differentials between the US and the UK, Japan, and Ontario (Canada) for single-source brand-name drugs that had been on the market for at least three years. We found that the prices averaged 3.2-4.1 times higher in the US after rebates were considered. The price differential for individual drugs varied from 1.3 to 70.1. The longer a drug remained on the market, the greater the differential. The estimated savings to Medicare Part D of adopting the average price of drugs in the reference countries was $72.9 billion in 2018. Medicare could use external reference pricing in Part D to improve affordability for patients.

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)0,017
score de la tête « metaresearch » (Gemma)0,090
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,090
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,088
Tête enseignante GPT0,338
Écart entre enseignants0,250 · 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'étudeThéorique ou conceptuel
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

Citations36
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetPharmaceutical Economics and PolicyTravaux en français237 207