Strategic Patenting, Innovation and Competition in Pharmaceuticals
Notice bibliographique
Résumé
The pharmaceutical industry is one of the most significant sectors in the economy -- both in terms of economic impact and welfare implications due to health outcomes. Further, unique attributes of the industry and available data allow for robust empirical studies of strategy and innovation questions that are difficult to observe in many settings. This symposium showcases papers that study the implications of pharmaceutical M&A and IPOs on drug pricing and innovation as well as the link between competition and strategic patenting of pharmaceutical firms. Mergers that Matter: The Impact of M&A Activity in Prescription Drug Markets Author: Josh Feng; U. of Utah, David Eccles School of Business Author: Thomas Hwang; Harvard Medical School Author: Yunjuan Liu; U. of North Carolina, Chapel Hill Author: Luca Maini; U. of North Carolina, Chapel Hill Does going public affect pharmaceutical innovation? Evidence from clinical trials Author: Jennifer Kao; UCLA Anderson School of Management Author: Charu Gupta; UCLA Anderson School of Management Marketing Authorization and Strategic Patenting: Evidence from Pharmaceuticals Author: Dennis Byrski; Max Planck Institute for Innovation and Competition Author: Lucy Xiaolu Wang; Assistant Professor at UMass Amherst Valuing Pharmaceutical Patent Thickets Author: John McKeon; Boston U. Questrom School of Business Author: Felix Poege; Bocconi U. Author: Tim Simcoe; Boston U.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».