MétaCan
Menu
Retour à la cohorte
Enregistrement W3158905218 · doi:10.1016/j.rcsop.2021.100020

A systematic review of pharmaceutical price mark-up practice and its implementation

2021· review· en· W3158905218 sur OpenAlexaboutno aff
Kah Seng Lee, Yaman Walid Kassab, Nur Akmar Taha, Zainol Akbar Zainal

Notice bibliographique

RevueExploratory Research in Clinical and Social Pharmacy · 2021
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMargin (machine learning)Control (management)Value (mathematics)Pharmaceutical industrySystematic reviewBusinessEconomicsMEDLINEMedicinePolitical scienceManagementComputer science

Résumé

récupéré en direct d'OpenAlex

Pharmaceutical products, apart from being essential for medical treatment, are of high value and heavily regulated to ensure the prices are controlled. This systematic review was conducted to identify pharmaceutical pricing mark-up control measures, specifically in the wholesale and retail sectors. The search method comprised the following databases: PubMed, Science Direct, Springer Link, ProQuest, and EBSCOhost and Google Scholar. The results were filtered systematically from the inception of the aforementioned databases until 23 April 2021. Eligible studies were those focusing on the implementation of pharmaceutical pricing strategies that involve a) mark-ups of medicine, and b) pharmaceutical cost control measures. A total of 13 studies were included in this review: seven covered European countries, four covered Asian countries, one covered the USA and one covered Canada. The main points of discussion in the qualitative synthesis were the implementation of medicine mark-ups, price mark-up regulatory strategies and the outcomes of these regulatory strategies. Our findings suggest that Western countries have a lower mark-up margin, around 4% to 25% of the original purchased price, compared to Asian countries, up to 50%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0200,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,687
Tête enseignante GPT0,634
Écart entre enseignants0,053 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExploratory Research in Clinical and Social PharmacyMême sujetPharmaceutical Economics and PolicyTravaux en français237 207