MétaCan
Menu
Retour à la cohorte
Enregistrement W4384655740 · doi:10.1136/bmjgh-2022-011535

Improving access to medicines and beyond: the national volume-based procurement policy in China

2023· review· en· W4384655740 sur OpenAlexaff
Zheng Zhu, Quan Wang, Qiang Sun, Joel Lexchin, Li Yang

Notice bibliographique

RevueBMJ Global Health · 2023
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésChinaProcurementBusinessHealth policyPublic administrationPublic healthMedicinePolitical scienceNursingMarketing

Résumé

récupéré en direct d'OpenAlex

Since 2019, the Chinese central government has taken significant steps to centralize national purchasing power and has implemented a pooled procurement system. In this paper, we provide an in-depth analysis of China's National Volume-Based Procurement (NVBP) policy, which represents a unique approach to pooled procurement within the pharmaceutical sector. The primary objectives of the NVBP are to reduce drug prices, enhance access to affordable medications, and improve the overall functioning of the pharmaceutical industry in China. Our analysis delves into the key features of the NVBP, including its centralized procurement system, volume-based procurement approach, and the guaranteed procurement volumes allocated to winning bidders. We also address the challenges and implications associated with the NVBP, such as its impact on the pharmaceutical industry, the sustainability of price reductions, and the importance of striking a balance between price reduction and industry sustainability. Through a comparative analysis, we shed light on the distinct characteristics of China's approach to pooled procurement and its potential ramifications for healthcare policies and practices. By examining the NVBP within the broader context of China's evolving healthcare landscape, we aim to contribute to a deeper understanding of the implications and effectiveness of this unique policy initiative.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,196
Tête enseignante GPT0,492
Écart entre enseignants0,296 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetPharmaceutical Economics and PolicyTravaux en français237 207