MétaCan
Menu
Retour à la cohorte
Enregistrement W4294992329 · doi:10.1093/jlb/lsac022

Biological patent thickets and delayed access to biosimilars, an American problem

2022· article· en· W4294992329 sur OpenAlexaboutno aff
Rachel W. Goode, Bernard Chao

Notice bibliographique

RevueJournal of Law and the Biosciences · 2022
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBiosimilars and Bioanalytical Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiosimilarMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Our study seeks to determine whether patent thickets covering biologic drugs are responsible for delayed biosimilar market entry. We compare patent assertions against the same biosimilar drugs across three countries. On average nine to twelve times more patents were asserted against biosimilars in the United States than in Canada and the United Kingdom. Biosimilars also enter the Canadian and UK markets more quickly than they do in the United States following regulatory approval. Later market entry is not a problem when the brand name drug company is asserting high quality patents (i.e. patents covering significant advances). Consequently, we drilled down into the U.S. patent portfolio of one major biologic, Abbvie's Humira drug, and found that it was made up of roughly 80% non-patentably distinct (duplicative) patents linked together by terminal disclaimers, which is permitted under United States Patent and Trademark Office (USPTO) rules. In contrast, there were far less non-duplicative European patents that covered Humira. Patent thickets can allow brand name drug companies to delay biosimilar entry by relying on the high cost of challenging many duplicative patents instead of the quality of their underlying patents. Accordingly, we suggest several policy interventions that may thin these biologic patent thickets.

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)0,018
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,074
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0050,006
Communication savante0,0070,010
Science ouverte0,0020,002
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,080
Tête enseignante GPT0,332
Écart entre enseignants0,252 · 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'étudeSans objet
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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Law and the BiosciencesMême sujetBiosimilars and Bioanalytical MethodsTravaux en français237 207