<p>North American cost analysis of brand name versus generic drugs for the treatment of glaucoma</p>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: According to the World Health Organization, glaucoma is a leading cause of irreversible blindness worldwide. By 2020, 80 million people will be affected by glaucoma in the world, which represents a significant financial burden to society. Glaucoma medications alone make up 38-52% of the total direct cost. The purpose of this research is to conduct a cost-minimization analysis to evaluate brand-name medications versus generic medications for treating glaucoma patients. METHODS: The per-bottle cost (in Canadian dollars) of brand-name drugs for glaucoma was obtained from the wholesaler, McKesson Canada, and, for generic drugs, from the Ontario Drug Benefit (ODB) Formulary. Further, a wastage adjustment fee, a pharmacy mark-up, and an ODB dispensing fee ($CAD) was added to the cost of both brand and generic. Previously published frequencies of medication prescription were utilized to calculate the average annual cost for each class of brand and generic. For each medication class and for mono-, bi-, and tri-drug therapy, the cost differential between brands and generics over a six-year period was computed and analyzed from third-party payer perspective. RESULTS: ($748.23) were the most expensive, followed by prostaglandin analogs ($246.36), carbonic anhydrase inhibitors (CAIs) ($45.04), α-agonist ($30.34), β-blockers ($29.29), and cholinergic agonists ($16.51). Brand-name mono-drugs are 34% more expensive compared to generics. Brand-generic percentage cost differential for various medication classes over a six-year period was the highest for prostaglandin analogous (44%), followed by β-blockers (35%), α-agonist (31%), cholinergic agonists (22%), combination drugs (10%), and CAIs (1%). CONCLUSION: Brand-name drugs are relatively more expensive than their generic counterparts, with variable cost differentials depending on drug class.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle