Notice bibliographique
Résumé
The pharmaceutical industry and its pricing methods provide an inviting target, easy to disparage and caricature. Even after accounting for discounts and rebates, average prices of leading brand-name drugs in the United States are two to four times higher than they are in Canada, Japan, and many European countries.1 US per capita spending on prescription drugs is more than twice the level in the United Kingdom.2,3 Prices for most new cancer drugs now exceed $100,000 per patient per year of treatment, despite the fact that many of these treatments seem to offer modest gains in life expectancy or lack such evidence at all.4,5 With the advent of ever more targeted and powerful treatments, including cell- and gene-based therapies with multimillion dollar price tags, the need for sensible drug pricing and coverage policies will intensify. Despite the controversies, there are few if any books dedicated to the question of what is a “fair” or “reasonable” drug price and how to think about the question. To be sure, the bookshelves fairly groan with works critical of pharmaceutical company practices, asserting or implying that drugs often deliver poor value for the money. Notable examples in the past decade or so include Protecting America’s Health6; Overdosed America: The Broken Promise of American Medicine7; Powerful Medicines: The Benefits, Risks, and Costs of Prescription Drugs8; The Truth About Drug Companies: How They Deceive Us and What to Do About It9; Selling Sickness: How the World’s Biggest Pharmaceutical Companies Are Turning Us All Into Patients10; Bad Pharma: How Drug Companies Mislead Doctors and Harm Patients11; Ending Medical Reversal: Improving Outcomes, Saving Lives12; An American Sickness: How Healthcare Became Big Business and How You Can Take it Back13; and PhRMA: Greed, Lies and the Poisoning of America.14 Such accounts tend to highlight examples of disreputable behaviors and devote considerable attention to industry-wide reforms, rather than how to consider the costs and benefits of individual drug therapies.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,738 | 0,583 |
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 ».