Assessing variation among the national essential medicines lists of 21 high-income countries: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVE: Essential medicines lists have been created and used globally in countries that range from low-income to high-income status. The aim of this paper is to compare the essential medicines list of high-income countries with each other, the WHO's Model List of Essential Medicines and the lists of countries of other income statuses. DESIGN: High-income countries were defined by World Bank classification. High-income essential medicines lists were assessed for medicine inclusion and were compared with the subset of high-income countries, the WHO's Model List and 137 national essential medicines lists. Medicine lists were obtained from the Global Essential Medicines database. Countries were subdivided by income status, and the groups' most common medicines were compared. Select medicines and medicine classes were assessed for inclusion among high-income country lists. RESULTS: The 21 high-income countries identified were most like each other when compared with other lists. They were more like upper middle-income countries and least like low-income countries. There was significant variability in the number of medicines on each list. Less than half (48%) of high-income countries included a newer diabetes medicines in their list. Most countries (71%) included naloxone while every country including at least one opioid medicine. More than half of the lists (52%) included a medicine that has been globally withdrawn or banned. CONCLUSION: Essential medicines lists of high-income countries are similar to each other, but significant variations in essential medicine list composition and specifically the number of medications included were noted. Effective medicines were left off several countries' lists, and globally recalled medicines were included on over half the lists. Comparing the essential medicines lists of countries within the same income status category can provide a useful subset of lists for policymakers and essential medicine list creators to use when creating or maintaining their lists.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».