MétaCan
Menu
Retour à la cohorte
Enregistrement W4399287699 · doi:10.7202/1105315ar

L’IMPACT DU PARTAGE DES COÛTSSUR LA CONSOMMATIONDE MÉDICAMENTS

2000· article· fr· W4399287699 sur OpenAlexaff
Norma L. Nielson, Gillian R. Currie

Notice bibliographique

RevueAssurances : · 2000
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

Les défis de la gestion du coût des médicaments d’ordonnance, les approches qu’on essaie actuellement d’adopter, et les solutions, sont étonnamment semblables partout dans le monde. Les objectifs poursuivis par une formule de partage des coûts des médicaments sont le plus souvent de percevoir des fonds supplémentaires, de décourager la consommation de médicaments « non nécessaires », de rendre les patients conscients des coûts des médicaments et d’aider à contenir les dépenses croissantes en médicaments.Les auteurs de cet article, en se basant sur une revue de la littérature mondiale, concluent que l’imposition d’un partage des coûts réduit en effet la consommation de médicaments, mais que cette consommation réduite ne se limite pas aux ordonnances non nécessaires. Les effets de la consommation subissent une forte influence des effets du revenu et de la richesse. On peut faire des économies considérables avec un impact minimal pour la santé en rehaussant le taux de substitution générique; il est difficile de trouver et d’évaluer d’autres moyens de faire des économies. Il n’y a qu’un petit nombre d’études récentes qui tente explicitement de mesurer les coûts des médicaments par rapport aux bénéfices obtenus sous la forme d’une utilisation réduite d’autres services médicaux. Il y en a encore moins qui essaient d’évaluer les coûts par rapport à l’amélioration de la qualité de vie du patient. L’imposition du partage des coûts n’a, semble-t-il, aucun impact sur le taux de croissance des dépenses en médicaments d’ordonnance.

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)0,007
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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 Opus0,043
Tête enseignante GPT0,305
Écart entre enseignants0,262 · 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'étudeObservationnel
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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssurances :Même sujetPharmaceutical Economics and PolicyTravaux en français237 207