Shortages and price variability of essential cytotoxic medicines for treating children with cancers
Notice bibliographique
Résumé
Introduction Low-income and middle-income countries (LMICs) face the largest burden of mortality from childhood cancers with limited access to curative therapies. Few comparative analyses across all income groups and world regions have examined the availability and acquisition costs of essential medicines for treating cancers in children. Methods A cross-sectional survey involved countries in five income groups—low-income (LIC), lower-middle-income (LMC), upper-middle-income (UMC), two high-income country groups (HIC1, HIC2). Physicians and pharmacists reported institutional use, availability, stock outs and prices (brand and generic products) of 34 essential medicines. Price comparisons used US$, applying foreign exchange rates (XR) and purchasing power parity (PPP) adjustments. Medicine costs for treating acute lymphoblastic leukaemia (ALL), Burkitt lymphoma (BL) and Wilms tumour (WT) were calculated (child 29 kg, body surface area 1 m 2 ). Comparisons were conducted using non-parametric Kruskal-Wallis tests. Results Fifty-eight respondents (50 countries) provided information on medicine use, availability and stock outs, with usable price data from 42 facilities (37 countries). The extent of use of International Society of Paediatric Oncology core and ancillary medicines varied across income groups (p<0.0001 and p=0.0002 respectively). LMC and LIC facilities used fewer medicines than UMC and HIC facilities. UMC and LMC facilities were more likely to report medicines not available or stockouts. Medicine prices varied widely within and between income bands; generic products were not always cheaper than brand equivalents. PPP adjustment showed relatively higher prices in UMC and LMC facilities for some medicines. Medicine costs were highest in HICs for ALL (p=0.0075 XR; p=0.0178 PPP-adjusted analyses) and WT (p =<0.0001 XR; p=0.0007 PPP-adjusted). Medicine costs for BL were not significantly different. Conclusion Problems with the availability of essential medicines, dependable supply chains, confidential medicine prices and wide variability in treatment costs contribute to persistent challenges in the care of children with treatable cancers, especially in LMICs.
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) | 0,000 | 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 | 0,000 | 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 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 ».