MétaCan
Menu
Retour à la cohorte
Enregistrement W3124578120

Funding Antibiotic Innovation with Vouchers: Recommendations on How to Strengthen a Flawed Incentive Policy

2016· article· en· W3124578120 sur OpenAlexaff
Kevin Outterson, Anthony McDonnell

Notice bibliographique

RevueeYLS (Yale Law School) · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésVoucherLiberian dollarNoticePublic economicsIncentiveBusinessAntibioticsValue (mathematics)EconomicsFinanceAccountingPolitical scienceMarket economyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A serious need to spur antibiotic innovation has arisen because of the lack of antibiotics to combat certain conditions and the overuse of other antibiotics leading to greater antibiotic resistance. In response to this need, proposals have been made to Congress to fund antibiotic research through a voucher program for new antibiotics, which would delay generic entry for any drug, even potential blockbuster lifesaving generics. We find this proposal to be inefficient, in part because of the mismatch between the private value of the voucher and the public value of the antibiotic innovation. However, vouchers have the political advantage in the United States of being able to raise sufficient amounts of money without annual appropriations from Congress. We propose that if antibiotic vouchers are to be considered, the design should include dollar and time caps to limit their volatility, sufficient advance notice to protect generic manufacturers, and market-based linkages between the value of the voucher and the value of the antibiotic innovation. We also explore a second option: The federal government could auction vouchers to the highest bidders and use the money to create an antibiotics innovation fund.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,089
score de la tête « metaresearch » (Gemma)0,256
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,470

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0890,256
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0050,003
Études des sciences et des technologies0,0050,016
Communication savante0,0200,040
Science ouverte0,0070,009
Intégrité de la recherche0,0660,027
Charge utile insuffisante (le modèle a refusé de juger)0,0230,005

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,298
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetPharmaceutical Economics and PolicyTravaux en français237 207