Drug classification scheme review and the economic impact analysis of abandoning non-prescription drug reimbursement in Thailand
Notice bibliographique
Résumé
In Thailand, controversies regarding the drug classification system persist; it was believed that the number of schemes should be changed, and most drugs classified into improper schemes. The system is not also fully used to allocate healthcare budgets, while several other countries cease non-prescription (OTC) drugs reimbursement to allocate this expenditure to catastrophic diseases instead. This study thus aims to (i) review drug classification system in Thailand by comparing to other countries, (ii) evaluate the economic impact of delisting OTC drugs from drug reimbursement list using non-sedating antihistamines (AH) in patients suffering from intermittent allergic rhinitis as a case study, and (iii) formulate an updated Thailand's drug classification system. For the first part; The US, the UK, Japan, Singapore, Malaysia, the Philippines and Canada were selected to compare. The schemes and written criteria were targeted review from each respective country's drug regulatory agency website, available published research, and expert interviews. The actual drug schemes of 53 selected drugs were then compared across different countries. For the second part, a decision tree model was used to conduct budget impact analysis using the healthcare system perspective to compare continuing (policy 1) vs abandoning reimbursement of non-sedating AH (policy 2). The primary outcome was cost-saving. Sensitivity analyses were performed. It was found that all eight�countries classify drugs into two major categories: prescription and non-prescription drugs. Some countries further subclassify non-prescription drugs. Most selected drugs in Thailand are behind-the-counter drugs, varied from antihistamines, antihypertensives to vaccines. Thai people easier access to drugs that need prescriptions in other countries since no prescriptions required. For the economic impact, when assuming non-sedating AH were no longer reimbursed, and doctor (MD) visits were decreased from 70% to 30%, Thailand would save 2.24 billion baht (72.39 million USD). The most impact parameter is MD visit probability. Cost-saving can be achieved when decreasing MD visit probability in policy 2 to a particular point, depending on the MD visit probability in policy 1. In conclusion, the number of schemes in the drug classification system is not an issue, but putting drugs in schemes is. The new reimbursement policy of OTC drug is also worth considering policy. The updated system provided in this study should be further developed by expert consultations and public hearing. More campaigns to support self-care culture in Thai populations are required.
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 | 0,017 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».