MétaCan
Menu
Retour à la cohorte
Enregistrement W4401947764 · doi:10.1101/2024.08.26.24312600

An evaluation of the adequacy of Indian national and state Essential Medicines Lists (EMLs) for palliative care medical needs - a comparative analysis

2024· preprint· en· W4401947764 sur OpenAlexaff
Disha Agrawal, Divya Shrinivas, Parth Sharma, MR Rajagopal, Arunangshu Ghoshal, Siddhesh Zadey

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésPalliative careMedicineState (computer science)Traditional medicineFamily medicineBusinessNursingComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives Essential Medicines Lists (EMLs) guide the public sector procurement and supply of medications to impact access to adequate and appropriate palliative care drugs. This study evaluates the adequacy of India’s national and sub-national EMLs that can directly impact palliative care for 5.4 million patients. Methods In this qualitative document review, we compared Indian national, and state EMLs acquired from official government websites with the International Association for Hospice & Palliative Care (IAHPC) EML recommendations. We analysed data on the indication and formulation of drugs under the different categories of formulations present (all, some, and no), and drugs absent. Literature review and inputs from palliative care experts provided alternatives of absent medications to assess the adequacy of lists in managing the symptoms listed by IAPHC. Results We analysed 3 national and 25 state lists for 33 recommended drugs. The Central Government Health Services list had the maximum availability of all formulations of drugs (16 [48%]) nationally. Among states and union territories, the Delhi EML was the closest to IAHPC with 17 (52%) drugs with all formulations present. Nagaland had the most incomplete EML with only 3 (9%) drugs with all formulations present. No EML had all the recommended formulations of morphine. In one national and sixteen state EMLs, oral morphine was absent. Conclusion While Indian EMLs lack drugs for palliative care when compared with the IAHPC EML, symptom management is adequate. There is a need for countries with limited resources to modify the IAPHC list for their settings. What is already known on this topic Essential Medicines Lists (EMLs) are instrumental in guiding public sector procurement of drugs. The implementation of EMLs is known to improve drug availability and prescription practices. The rising burden of people requiring end-of-life care globally necessitates the availability of appropriate drugs for the medical management of symptoms, which can be achieved through their inclusion in local EMLs. What this study adds The national and sub-national EMLs of India do not fully adhere to the International Association for Hospice and Palliative Care (IAHPC) recommendations. However, they contain adequate drugs for the management of the listed symptoms. Additionally, the inclusion of various formulations of morphine remains a challenge to be addressed. How this study might affect research, practice or policy This study highlights the need to develop a fit-for-purpose EML for palliative care, taking into account the geographical variations in palliative care needs, and resource constraints in healthcare delivery at the state and country level.

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)0,047
score de la tête « metaresearch » (Gemma)0,125
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,248

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,125
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0170,019
Études des sciences et des technologies0,0020,002
Communication savante0,0040,005
Science ouverte0,0010,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,135
Tête enseignante GPT0,417
Écart entre enseignants0,281 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetPharmaceutical Economics and PolicyTravaux en français237 207