MétaCan
Menu
Back to cohort
Record W4394999785

Game-theoretical analysis of network formation and drug pricing

2020· dissertation· fr· W4394999785 on OpenAlexfundno aff
Noémie Cabau

Bibliographic record

VenueHAL (Le Centre pour la Communication Scientifique Directe) · 2020
Typedissertation
Languagefr
FieldDecision Sciences
TopicGame Theory and Applications
Canadian institutionsnot available
FundersConcordia University
KeywordsDrugComputer scienceMedicinePharmacology
DOInot available

Abstract

fetched live from OpenAlex

Cette thèse est en trois chapitres. Le premier chapitre étudie un jeu statique et non coopératif de formation de réseau. Le réseau permet aux joueurs d'échanger de l'information avant de prendre une action collective. Le bénéfice de cette action est le même pour tous, ce qui confère au réseau la propriété de bien public. Les agents communiquent entre eux via leurs connections, et chacun choisit et paie les liens qu'il forme. Dans cet environnement, les décisions stratégiques en liens reposent sur la comparaison entre leur coût et leurs bénéfices sociaux. Le bénéfice social d'un lien est mesuré par le nombre d'agents qui communiquent via le dit lien. Lorsque le bénéfice de l'action collective ne dépend pas de la distance entre les agents, les réseaux Nash stricts sont des roues. Lorsque la distance joue un rôle, les candidats à l'équilibre sont des fleurs. Dans certains réseaux d'équilibre, des agents agissent en passager clandestin. De tels réseaux ne sont jamais socialement efficaces lorsque le bénéfice de l'action collective ne dépend pas de la distance. Néanmoins, ces réseaux peuvent être des optima de Pareto. Les autres chapitres sont co-écrits avec Sidartha Gordon. L'objectif du deuxième chapitre est de clarifier les fonctions des rabais secrets dans les négociations sur les prix des médicaments entre les fournisseurs et les pays. Pour une entreprise pharmaceutique, la confidentialité sur les prix de transaction évite que certains pays ne demandent des prix tout aussi avantageux que ceux obtenus par d'autres. Dans le deuxième chapitre, nous considérons un modèle avec deux pays qui négocient de façon séquentielle avec une entreprise. Un contrat entre l'entreprise et un pays est un accord sur un prix listé, que tout autre pays peut observer, et un rabais secret (confidentiel). Ainsi, un prix listé peut être plus ou moins informatif quant au prix que paie un pays pour lemédicament. Nous supposons que le pays qui négocie en premier a une préférencepour des prix listés bas et des rabais secrets faibles à prix net constant. Nous supposons que le dernier pays à négocier n'accepte jamais de payer un prix plus élevé que le prix listé qu'il observe dans le premier pays. Nous modélisons cette interaction et caractérisons l'ensemble des contrats prix listé rabais qui sont Pareto-optimaux et individuellement rationnels pour la firme et le premier pays qui négocie. Aussi, nous clarifions les conditions sous lesquelles des rabais secrets sont négociés. Un rabais secret est utilisé dans la première négociation si les marchés des deux pays sont relativement aussi rentables l'un que l'autre; et le montant du rabais secret dépend positivement du pouvoir de négociation d'un pays. Le troisième chapitre a pour objectif de rationaliser l'utilisation des rabais secrets via une asymétrie d'information entre les pays et une entreprise pharmaceutique. Nous proposons un jeu séquentiel, dans lequel deux pays négocient l'un après l'autre avec une entreprise, sans possibilité de négocier un rabais secret. L'entreprise détient une information privée sur la date de mise sur le marché d'un produit substitut. Cette information affecte ses préférences entre accepter une offre basse plus tôt et obtenir un prix plus élevé plus tard. L'information contenue dans le prix de transaction du pays qui négocie en premier est bénéfique au second pays, qui, in fine, paie le médicament moins cher grâce à cette information. Par anticipation, l'entreprise est réticente à accepter une offre basse du premier pays. Ce dernier bénéficie toujours de pouvoir conclure un accord confidentiel avec l'entreprise, ce que permet un rabais secret.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.013
metaresearch head score (Gemma)0.005
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.670
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0130.005
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.005
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.018
GPT teacher head0.279
Teacher spread0.262 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueHAL (Le Centre pour la Communication Scientifique Directe)Same topicGame Theory and ApplicationsFrench-language works237,207