Canadian Trends in Estimated Pharmaceutical Drug Purchases and Projections: 2023
Notice bibliographique
Résumé
In 2021, our group presented the first forecast of trends in the Canadian pharmaceutical market. The goal was to identify factors that may influence future spending to support public and private decision-makers in predicting the growth of national drug purchases. This report is the first annual update of estimated pharmaceutical drug purchases in Canada for 2022–2023. We conducted a time series analysis of annual estimated pharmaceutical drug purchases across Canada between 2001 and 2021 using IQVIA’s Canadian Drugstore and Hospital Purchases Audit, calculated total estimated purchases and relative percentage change annually for the retail and hospital sectors, and forecasted annual spending to 2023. Total drug purchases for 2021 were approximately $35.4 billion, 8.3% higher than in 2020 (7.3% growth in the retail sector; 12.4% growth in the hospital sector). Spending for the top 25 drugs was 31.2% and 52.3% of total spending in the retail and hospital sectors, respectively. The forecast for the retail sector is continued moderate levels of growth in drug spending (7% to 8% annually), with higher rates of growth (12% to 13% annually) in the hospital setting. New approvals of specialty and oncology drugs and generic formulations of the top 25 drugs are expected to influence drug purchases in 2022–2023. If no action is taken to curb sustained growth in pharmaceutical spending in Canada, costs may necessitate a shift in spending from other public budgets or to private industry and directly to patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».