Biologic medicine inclusion in 138 national essential medicines lists
Notice bibliographique
Résumé
Abstract Background Essential medicines lists (EMLs) are intended to reflect the priority health care needs of populations. We hypothesized that biologic disease-modifying antirheumatic drugs (DMARDs) are underrepresented relative to conventional DMARDs in existing national EMLs. We aimed to survey the extent to which biologic DMARDs are included in EMLs, to determine country characteristics contributing to their inclusion or absence, and to contrast this with conventional DMARD therapies. Methods We searched 138 national EMLs for 10 conventional and 14 biologic DMARDs used in the treatment of childhood rheumatologic diseases. Via regression modelling, we determined country characteristics accounting for differences in medicine inclusion between national EMLs. Results Eleven countries (7.97%) included all 10 conventional DMARDs, 115 (83.33%) ≥5, and all countries listed at least one. Gross domestic product (GDP) per capita was associated with the total number of conventional DMARDs included (β 1 1.02 [95% CI 0.39, 1.66]; P = 0.00279). Among biologic DMARDs, 3 countries (2.2%) listed ≥10, 15 (10.9%) listed ≥5, and 47 (34.1%) listed at least one. Ninety-one (65.9%) of countries listed no biologic DMARDs. European region (β 1 1.30 [95% CI 0.08, 2.52]; P = 0.0367), life expectancy (β 1 –0.70 [95% CI -1.22, − 0.18]; P = 0.0085), health expenditure per capita (β 1 1.83 [95% CI 1.24, 2.42]; P < 0.001), and conventional DMARDs listed (β 1 0.70 [95% CI 0.33, 1.07]; P < 0.001) were associated with the total number of biologic DMARDs included. Conclusion Biologic DMARDs are excluded from most national EMLs. By comparison, conventional DMARDs are widely included. Countries with higher health spending and longer life expectancy are more likely to list biologics.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».