MétaCan
Menu
Retour à la cohorte
Enregistrement W4413414271 · doi:10.1080/13543776.2025.2548586

Implementation and outcomes of China’s drug patent linkage system: lessons from international experience

2025· review· en· W4413414271 sur OpenAlexaboutno aff
Yu Chen, Xinjuan Liu, Suju Li, Zhenyu Xu

Notice bibliographique

RevueExpert Opinion on Therapeutic Patents · 2025
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessDrugLinkage (software)ChinaPharmacologyMedicineProcess managementPublic relationsPolitical scienceBiologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The drug patent linkage system plays a crucial role in achieving a balance between protecting drug innovation and ensuring the accessibility of generic drugs. Currently, this system has been implemented in many countries. This review aims to provide policy guidance and a reference basis for relevant stakeholders, while also offering valuable insights to other countries considering the implementation of the patent linkage system globally. AREAS COVERED: This review provides a comprehensive summary and comparative analysis of the patent linkage systems in the United States, Canada, South Korea, Singapore, and China, with a focus on China's recently implemented system and its outcomes. The data presented are derived from the official websites of the China NIPA, the IPC, and the NMPA's Drug Patent Information Registration Platform. EXPERT OPINION: This main goal of this system is to balance the interests of both parties through an efficient dispute resolution mechanism, while policy formulation is only the initial stage of the reform process and requires continuous improvement throughout the implementation phase. The author employed descriptive statistical methods to systematically analyze relevant data, providing valuable insights to colleagues in the field both domestically and internationally.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,262
Tête enseignante GPT0,382
Écart entre enseignants0,121 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Therapeutic PatentsMême sujetIntellectual Property and PatentsTravaux en français237 207