Canadian Trends in Estimated Drug Purchases and Projections: 2024 and 2025
Notice bibliographique
Résumé
What Is the issue? Data on trends in the pharmaceutical market remain limited. We offer an annual update on estimated drug purchases in Canada and highlight key factors that could impact future spending. What Did We do? We conducted a retrospective time-series analysis of annual estimated drug purchases across Canada between 2001 and 2023 using IQVIA’s Canadian Drugstore and Hospital Purchases Audit. We calculated total estimated drug purchases and relative percentage change annually, stratified by sector (retail and hospital), and forecast annual spending to 2025. What Did We Find? Total estimated drug purchases for 2023 were approximately $43.5 billion, 13.7% higher than in 2022. Overall, expenditure on the top 25 high-cost drugs accounted for 32.5% and 53.3% of total spending in the retail and hospital sectors, respectively. Pharmaceutical spending has grown over the past 2 decades, with an annual average growth of 5.8% and 8.2% in the retail and hospital sectors, respectively. Drug expenditure in the retail sector is expected to increase annually by 10.9% to 10.1% and spending within the hospital sector is expected to increase by 14.6% to 12.9% for 2024 and 2025, respectively. What Does This Mean? The accelerated growth in overall estimated drug purchases is likely driven by the increasing use of new diabetes and obesity treatments. Continued growth in drug purchases is projected across the Canadian market, which will be influenced by new approvals of specialty and oncology drugs, as well as generic and biosimilar versions of the top 25 drugs. Without measures to address this ongoing increase in pharmaceutical spending, there may be a need to reallocate funds from other public sectors or shift costs to private industry and patients.
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 | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».