MétaCan
Menu
Retour à la cohorte
Enregistrement W4288006027

North American cost analysis of brand name versus generic drugs for the treatment of glaucoma

2019· article· en· W4288006027 sur OpenAlexaboutno aff
Malvankar-Mehta MS, Lucy Feng

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBrand namesGlaucomaOptometryAdvertisingMedicineBusinessOphthalmology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Monali S Malvankar-Mehta,1,2 Lucy Feng,3 Cindy ML Hutnik1,4 1Department of Ophthalmology, Schulich School of Medicine and Dentistry, The University of Western Ontario, London, Ontario N6A 4V2, Canada; 2Department of Epidemiology and Biostatistics, Schulich School of Medicine and Dentistry, The University of Western Ontario, London, Ontario N6A 5C1, Canada; 3School of Pharmacy, University of Waterloo, Kitchener, Ontario N2G 2B2, Canada; 4Department of Pathology, Schulich School of Medicine and Dentistry, The University of Western Ontario, London, ON N6A 5C1, CanadaCorrespondence: Monali S Malvankar-MehtaDepartment of Ophthalmology, St. Joseph’s Hospital, 268 Grosvenor Street, London, Ontario N6A 4V2, CanadaTel +1 519 685 8500 Ext 61288Fax +1 519 661 3766Email Monali.Malvankar@schulich.uwo.caBackground: According to the World Health Organization, glaucoma is a leading cause of irreversible blindness worldwide. By 2020, 80 million people will be affected by glaucoma in the world, which represents a significant financial burden to society. Glaucoma medications alone make up 38–52% of the total direct cost. The purpose of this research is to conduct a cost-minimization analysis to evaluate brand-name medications versus generic medications for treating glaucoma patients.Methods: The per-bottle cost (in Canadian dollars) of brand-name drugs for glaucoma was obtained from the wholesaler, McKesson Canada, and, for generic drugs, from the Ontario Drug Benefit (ODB) Formulary. Further, a wastage adjustment fee, a pharmacy mark-up, and an ODB dispensing fee ($CAD) was added to the cost of both brand and generic. Previously published frequencies of medication prescription were utilized to calculate the average annual cost for each class of brand and generic. For each medication class and for mono-, bi-, and tri-drug therapy, the cost differential between brands and generics over a six-year period was computed and analyzed from third-party payer perspective.Results: In descending order, the average annual government-funded health care system costs were: combination drugs such as Cosopt® ($748.23) were the most expensive, followed by prostaglandin analogs ($246.36), carbonic anhydrase inhibitors (CAIs) ($45.04), α-agonist ($30.34), β-blockers ($29.29), and cholinergic agonists ($16.51). Brand-name mono-drugs are 34% more expensive compared to generics. Brand-generic percentage cost differential for various medication classes over a six-year period was the highest for prostaglandin analogous (44%), followed by β-blockers (35%), α-agonist (31%), cholinergic agonists (22%), combination drugs (10%), and CAIs (1%).Conclusion: Brand-name drugs are relatively more expensive than their generic counterparts, with variable cost differentials depending on drug class.Keywords: glaucoma, open-angle, cost analysis, generic drugs, branded drugs

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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,303
Tête enseignante GPT0,517
Écart entre enseignants0,214 · 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'étudeObservationnel
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetPharmaceutical Economics and PolicyTravaux en français237 207