MétaCan
Menu
Retour à la cohorte
Enregistrement W4409323342 · doi:10.1016/j.jhealeco.2025.102996

Procurement institutions and essential drug supply in low and middle-income countries

2025· article· en· W4409323342 sur OpenAlexaff
Lucy Xiaolu Wang, Nahim Bin Zahur

Notice bibliographique

RevueJournal of Health Economics · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésProcurementLow and middle income countriesBusinessDeveloping countryEconomicsEconomic growthMarketing

Résumé

récupéré en direct d'OpenAlex

International procurement institutions play an important role in drug supply. We study price, delivery, and procurement lead time of drug products for major infectious diseases (antiretrovirals, antimalarials, antituberculosis, and antibiotics) in 106 developing countries from 2007-2017 across procurement institution types. We find that pooled procurement lowers prices: pooling internationally is most effective for small buyers and concentrated markets, while pooling within-country is most effective for large buyers and unconcentrated markets. Pooling can reduce delays, but at the cost of longer anticipated procurement lead times. Finally, pooled procurement is more effective for older drugs, compared to patent pooling institutions that target newer drugs. Our findings are robust to alternative fixed effects specifications, instrumental variable estimation, selection-on-unobservables tests, and additional analyses accounting for heterogeneity in demand elasticities across buyers and interactions with major global health initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,607

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,323
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health EconomicsMême sujetPharmaceutical Economics and PolicyTravaux en français237 207