The Impact of Tiered-Pricing Framework on Generic Entry in Canada
Notice bibliographique
Résumé
BACKGROUND: Generic drug prices have been capped at specified percentages of the interchangeable branded drug's price by the Canadian provincial public drug plans since 1993. The Pan-Canadian Pharmaceutical Alliance, formed as a coalition by the provinces/territories in Canada, implemented an alternative approach, a tiered-pricing framework (TPF) for new generic drugs on April 1, 2014, under which the percentage varies with the number of generic firms in each market. We evaluate the impact of the TPF on generic entry, ie, listing in public drug plans in Canada. METHODS: Our study compared the pre-TPF period (01/01/2012-03/31/2014) with the TPF period (04/01/2014- 06/30/2016). Prescription drugs from nine provincial public drug plans were grouped into a "market" if they had the same active ingredient and strength, route of administration, and dosage form. Each "market" was contestable by generics and met the eligibility criteria for TPF. At the "market" level, Cox proportional-hazards models with time-varying covariates were used to measure the impact of the TPF on the first generic listing in any provincial public drug plan in Canada relative to the first launch date worldwide. RESULTS: A total of 189 markets in Canada were selected for the analyses. Generic drugs in small markets were more likely to be listed in Canada during the TPF period compared to the pre-TPF period (hazard ratio [HR], 95% CI: 3.81, 1.51-9.62). There was no significant difference in generic drug listings in large markets between the two policy periods. CONCLUSION: TPF speeds up generic entry in small markets and generates the benefits of generic competition while avoiding the pitfalls of the previously employed price-cap regulations.
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 ».