Monoclonal antibodies and Fc-fusion protein biologic medicines: A multinational cross-sectional investigation of accessibility and affordability in Asia Pacific regions between 2010 and 2020
Notice bibliographique
Résumé
Background: Monoclonal antibody (mAb) and Fc-fusion protein (FcP) are highly effective therapeutic biologics. We aimed to analyse consumption and expenditure trends in 14 Asia-Pacific countries/regions (APAC) and three benchmark countries (the UK, Canada, and the US). Methods: We analysed 440 mAb and FcP biological products using the IQVIA-MIDAS global sales database. For each year between 2010 and 2020 inclusive, we used standard units (SU) sold per 1000 population and manufacture level price (standardised in 2019 US dollars) to evaluate consumption (accessibility) and expenditure (affordability). Changes of consumption and expenditure were estimated using compound annual growth rate (CAGR). Correlations between consumption, country's economic and health performance indicators were measured using Spearman correlation coefficient. Findings: Between 2010 and 2020, CAGRs of consumption in each region ranged from 7% to 34% and the CAGRs of expenditure ranged from 9% to 31%. The median consumption of biologics was extremely low in lower-middle-income economies (0·29 SU/1000 population) compared with upper-middle-income economies (1·20), high-income economies (40·94) and benchmark countries (109·55), although the median CAGRs of biologics consumption in lower-middle-income economies (31%) was greater than upper-middle-income (14%), high-income economies (13%) and benchmark countries (9%). Consumption was correlated with GDP per capita [Spearman's rank correlation coefficient (r) = 0·75, p < 0·001], health expenditure as a percentage of total (r = 0·83, p < 0·001) and medical doctors' density (r = 0·85, p < 0·001). Interpretation: There have been significant increases in mAb and FcP biologics consumption and expenditure, however accessibility of biological medicines remains unequal and is largely correlated with country's income level. Funding: This research was funded by NHMRC Project Grant GNT1157506 and GNT1196900; Enhanced Start-up Fund for new academic staff and Internal Research Fund, Department of Medicine, LKS Faculty of Medicine, University of Hong Kong.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».