Bibliographic record
Abstract
Bei der Versorgung mit Medikamenten treten immer wieder Engpässe auf, auch im Pharmaland Schweiz.Mit der Corona-Pandemie wächst der Druck auf die Behörden, mehr dagegen zu unternehmen.Wie verbreitet die Versorgungsprobleme seit Jahren sind, zeigt eine neue Studie der Universität Basel.Bei gewissen starken Schmerzmitteln lebt die Schweiz momentan von den Reserven.Es seien nicht genügend orale Opioide verfügbar, meldete das Bundesamt für wirtschaftliche Landesversorgung (BWL) kürzlich.Weder das Ausweichen auf verwandte Wirkstoffe noch der limitierte Zugriff auf Lagerbestände habe die Situation entspannen können, sagt BWL-Sprecher Thomas Grünwald.Deshalb gab der Bund per Mitte März die Pflichtlager ganz frei.Sie sollten für drei Monate reichen.Wann die Hersteller wieder die erforderlichen Mengen liefern können, ist laut Grünwald offen: «Wir treffen unsere Massnahmen in der Hoffnung und Erwartung, dass der Schweizer Markt bald wieder stabil versorgt werden kann.»Medikamenten-Engpässe wie diese nehmen in der Schweiz seit zehn Jahren zu.Am stärksten bei Arzneimitteln, die auf das Nervensystem wirken, neben Analgetika auch Antidepressiva und Antiepileptika, hält das Bundesamt für Gesundheit (BAG) in einem im Februar publizierten Bericht fest [1].Aber auch an Antibiotika, Impfstoffen und Herz-Kreislauf-Mitteln mangelt es zeitweise.Gegenmassnahmen treffen die Behörden vor allem für Arzneimittel, die sie als lebensnotwendig einstufen.Für rund 50 Warengruppen existiert eine Lagerpflicht.Seit 2015 führen BWL und Swissmedic eine Meldestelle, um Engpässe früh genug zu erkennen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.024 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".