Added Therapeutic Benefits of Top‐Selling Drugs in Japan: A Cross‐Sectional Study Using Health Technology Assessment
Notice bibliographique
Résumé
It is unclear whether Japanese top-selling drugs have meaningful added therapeutic benefits to justify their high sales. This question is relevant as Japan's healthcare costs are rising consistently, particularly due to increasing drug prices. This cross-sectional study evaluated the added therapeutic benefits of Japan's top-selling drugs in 2021 using ratings from established health technology assessment (HTA) agencies in Canada, France, and Germany. Drug characteristics and benefit ratings were obtained from public databases and HTA agencies, following the established method. Overall, added therapeutic benefit ratings were categorized as binary (high or low). Of 51 identified top-selling drugs in Japan, 43 (86%) had at least one rating from three agencies. Notably, 20 (47%) received low added therapeutic benefit ratings even in our optimistic scenario. Low ratings were more common among small-molecule drugs 15/20 (75%), while high ratings were predominant among biologics 14/23 (61%). Oncology drugs represented the largest category in both high 9/23 (39%) and low 5/20 (25%) groups. Interestingly, 9 drugs (9/16; 56%) approved between 2011 and 2021 received low ratings, compared to 41% (11/27) of those approved before 2011. Additionally, 70% of high-benefit drugs received at least one expedited review, whereas this was 35% for low-benefit drugs. Our findings revealed that many top-selling drugs in Japan had low added therapeutic benefits. Utilizing HTA evaluation frameworks provides valuable insights, particularly in prioritizing drugs based on added therapeutic benefits. While full implementation of such a system in Japan requires further consideration, strengthening HTA processes could help ensure sustainable healthcare costs.
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 | 0,021 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».