The Impact of Recent Generic Drug Price Policies on Pharmaceutical Innovation: A Theoretical Rationale and Proposal of a Method Supporting Innovation in Areas of Unmet Medical Need
Notice bibliographique
Résumé
New discoveries are a critical priority for the pharmaceutical industry. However, the use of fixed incremental cost-effectiveness (ICER) thresholds for health technology assessment (HTA) may compromise incentives to innovate and affect future treatment options. This paper highlights the impact of generic drug price policies on pharmaceutical innovation in the context of fixed ICER thresholds and proposes a new consideration for the cost-effectiveness analysis (CEA). There is a direct causal relationship between HTA and the market price of a drug; in jurisdictions where HTA agencies apply fixed ICER thresholds as an important reimbursement listing criterion, the incremental cost of a new drug is expected to be proportional to its incremental benefit over the comparator. However, the comparator price is subject to market forces or sudden policies and may change markedly affecting the cost-effectiveness assessment (e.g. where the comparator patent has expired). Since recent generic price regulations increased the price gap between drugs' generic and patented versions, it is harder to achieve a sufficient level of incremental benefits in order to offset incremental prices of new treatments. Consequently, even promising drugs may have challenges to show attractive ICERs and research and development (R&D) investments may become unattractive in certain disease area. In order to promote innovation in therapeutic fields with unmet medical needs, a compromise would be to include the comparator's patented price in the CEA instead of the generic drug. By identifying the relevant disease areas, decision makers and HTA authorities could therefore convey the importance of investing in these therapeutic areas to manufacturers.
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 | 0,016 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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.
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 ».