Factors associated with drug shortages in Canada: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: To monitor the magnitude of the drug shortage problem in Canada, since 2017, Health Canada has required manufacturers to report drug shortages. This study aimed to identify the factors associated with drug shortages in Canada. METHODS: We conducted a retrospective cohort study of all prescription drugs available on the market between Mar. 14, 2017, and Sept. 12, 2018, in Canada. All drugs of the same active ingredient, dosage form, route of administration and strength were grouped into a "market." Our main outcome was shortages at the market level, determined using the Drug Shortages Canada database. We used logistic regression to identify associated factors such as market structure, route or dosage form, and Anatomic Therapeutic Chemical (ATC) classification. RESULTS: Among the 3470 markets included in our analysis, 13.3% were reported to be in shortage. Markets with a single generic manufacturer were more likely to be in shortage than other markets. Markets with oral nonsolid route or dosage form were more likely to be in shortage than those that were oral solid with regular release (odds ratio [OR] 1.66, 95% confidence interval [CI] 1.11 to 2.49). Markets for sensory organs were more likely to be in shortage than most other ATC classes. Markets with a higher proportion of drugs covered by public insurance programs were more likely to be in shortage (OR 1.03, 95% CI 1.00 to 1.05 per 10% increase). INTERPRETATION: Markets with a single generic manufacturer were most likely to be in shortage. To ensure the security of drug supply, governments should be vigilant in monitoring markets with a single generic manufacturer, with complex manufacturing processes, with higher demand from public programs or those that are in certain ATC classes.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».