Tinjauan pelingkupan adalah jenis sintesis pengetahuan, yang mengikuti pendekatan sistematis untuk memetakan bukti pada suatu topik dan mengidentifikasi konsep utama, teori, sumber, dan kesenjangan pengetahuan. Institut Penelitian Kesehatan Kanada (CIHR) mendefinisikan tinjauan pelingkupan sebagai:

‘proyek eksplorasi yang secara sistematis memetakan literatur yang tersedia mengenai suatu topik, mengidentifikasi konsep-konsep utama, teori, sumber bukti dan kesenjangan dalam penelitian’ dan mencatat ‘Proyek-proyek tersebut sering kali merupakan tahap awal untuk sintesis penuh, dilakukan ketika kelayakan menjadi perhatian – baik karena potensi literatur yang relevan dianggap sangat luas dan beragam (bervariasi menurut metode, orientasi teoretis, atau disiplin ilmu) atau ada kecurigaan bahwa literatur yang tersedia tidak mencukupi.’

Mengapa seseorang ingin melakukan tinjauan pelingkupan dibandingkan dengan tinjauan sistematis?

Tinjauan sistematis berguna untuk menjawab pertanyaan-pertanyaan yang didefinisikan dengan jelas (misalnya, “Apakah intervensi ini meningkatkan hasil tertentu bila dibandingkan dengan pembanding tertentu dalam populasi ini?”), sedangkan tinjauan pelingkupan berguna untuk menjawab pertanyaan-pertanyaan yang jauh lebih luas (seperti “Apa dampaknya?” sifat bukti intervensi ini?” atau “Apa yang diketahui tentang konsep ini?”).

Namun, tidak cukup banyak peneliti yang mengetahui cara melakukan tinjauan pelingkupan yang ketat.

Salah satu pendekatan yang terkenal untuk melaporkan metodologi yang digunakan dalam tinjauan pelingkupan adalah metodologi PRISMA-ScR (Preferred Reporting Items for Systematic review and Meta-Analyses extension for Scoping Review). PRISMA-ScR ini (Tricco dkk. 2018) memiliki daftar periksa pelaporan seperti di bawah ini.

PRISMA-ScR sebagian besar fokus pada pelaporan metodologi dan hasil tinjauan pelingkupan. Untuk benar-benar mempelajari cara melakukan tinjauan pelingkupan, saya akan mengarahkan Anda ke Joanna Briggs Institute (JBI). Situs web JBI memiliki sejumlah dokumen praktik terbaik mengenai tinjauan pelingkupan. Terdapat Manual JBI untuk Sintesis Bukti yang komprehensif dan terakhir diperbarui pada bulan Maret 2024. Dokumen bermanfaat lainnya meliputi:

Pelatihan Cochrane memiliki video bermanfaat yang menjelaskan apa itu tinjauan pelingkupan dan memberikan beberapa contoh.

Uji klinis berlangsung singkat, tetapi manfaat banyak obat bertahan berbulan-bulan atau bahkan bertahun-tahun setelah uji klinis tersebut. Untuk mengukur biaya dan manfaat penuh dari suatu pengobatan dari waktu ke waktu (misalnya seperti yang digunakan untuk tujuan HTA), seseorang harus mengekstrapolasi manfaat klinis ini. Umumnya, ekstrapolasi ini dilakukan dengan menggunakan fungsi parametrik (seperti yang direkomendasikan oleh dokumen dukungan teknis Unit Pendukung Keputusan (DSU) NICE tentang analisis kelangsungan hidup (TSD 14). Salah satu tantangannya adalah bahwa fungsi parametrik yang digunakan untuk mengekstrapolasi kelangsungan hidup biasanya tidak terlalu fleksibel. Seperti yang ditulis Latimer dan Rutherford (2024) tentang keterbatasan ini:

khususnya, model eksponensial, Weibull, Gompertz dan Gamma tidak dapat mengatasi titik balik apa pun dalam fungsi bahaya seiring waktu (yaitu, tingkat terjadinya peristiwa yang diinginkan seiring waktu), dan model log-logistik, log normal dan Gamma Umum hanya dapat mengatasi satu titik balik.

Dengan terapi baru (misalnya, CAR T, imuno-onkologi) yang menawarkan peningkatan kelangsungan hidup jangka panjang dan tahan lama, pendekatan parametrik standar ini mungkin tidak cukup menangkap kemungkinan profil kelangsungan hidup. Bahkan jika tidak ada pengobatan yang sepenuhnya kuratif, mungkin ada alasan mengapa model penyembuhan berguna. Secara khusus,

Peserta dengan prognosis terburuk kemungkinan besar akan meninggal terlebih dahulu, sehingga mengubah campuran prognosis dari mereka yang masih dalam tahap tindak lanjut. Hal ini dapat mengakibatkan titik balik dalam fungsi risiko, dengan risiko kematian berkurang dalam jangka menengah. Dalam jangka panjang, risiko kemungkinan akan terus menurun dan bahkan dapat turun ke tingkat yang diharapkan pada populasi umum—dalam hal ini, pasien yang tersisa dapat dianggap telah sembuh.

Sebagai alternatif, pembayar mungkin ragu untuk menggunakan model “penyembuhan” jika data terbatas mengenai (i) berapa lama penyembuhan akan berlangsung dan (ii) berapa banyak individu yang akan “sembuh”. Namun, dokumen dukungan teknis NICE yang diperbarui (TSD 21) menjelaskan beberapa metode yang lebih fleksibel ini.

Penulis menggambarkan model penyembuhan sebagai pembagian semua bahaya semua penyebab h

Ada dua jenis model penyembuhan: model penyembuhan campuran (MCM) dan model penyembuhan non-campuran (NMC). Para penulis menjelaskan MCM sebagai berikut:

MCM berasumsi bahwa ada dua kelompok individu – mereka yang sembuh dari penyakit mereka dan mereka yang tidak. Ketika dimasukkan dalam kerangka kelangsungan hidup relatif, tingkat kematian populasi umum dimasukkan langsung ke dalam model dan model tersebut menggunakan ini, dikombinasikan dengan distribusi parametrik yang dipilih untuk mewakili pasien yang tidak sembuh, untuk memperkirakan fraksi penyembuhan. Tingkat kematian populasi umum diambil dari tabel kehidupan yang relevan, dengan tingkat dari tahun kalender yang sesuai digunakan, dan ini selanjutnya dikelompokkan berdasarkan karakteristik seperti usia dan jenis kelamin, sehingga setiap peserta uji coba dapat diberi tingkat kematian latar belakang yang diharapkan.

MCM menggabungkan populasi yang sembuh dan tidak sembuh, sedangkan yang sembuh memiliki mortalitas populasi umum. Namun, penting untuk dicatat bahwa pemodel tidak “memutuskan” persentase kesembuhan; ini diperkirakan dari data. Secara khusus, setiap individu dalam kumpulan data tidak ditetapkan untuk disembuhkan atau tidak; melainkan mereka ditetapkan probabilitas untuk disembuhkan; seseorang hanya dapat memperkirakan fraksi kesembuhan pada tingkat populasi dengan merata-ratakan probabilitas kesembuhan ini di seluruh populasi.

Untuk membuat kode MCM, seseorang dapat menggunakan str campuran di Stata atau flexsurv Dan menyembuhkan di R.

NMCsebaliknya, membagi populasi menjadi kelompok yang disembuhkan dan yang tidak disembuhkan secara langsung. Sebaliknya, ‘yang disembuhkan’ didefinisikan sebagai berikut:

NMC tidak berasumsi bahwa ada sekelompok pasien yang “sembuh” pada awal. Titik waktu terjadinya penyembuhan bergantung pada saat bahaya yang dimodelkan bertemu dengan bahaya yang diamati pada populasi umum. Jika disesuaikan menggunakan model parametrik standar, tidak ada batasan kapan konvergensi ini akan terjadi.

Meskipun pendekatannya berbeda, penulis mencatat bahwa ketika MCM dan NMC disesuaikan dengan distribusi parametrik yang sama, tingkat penyembuhannya sering kali serupa.

Untuk mengkodekan NCM, seseorang dapat menggunakan strsn campuran atau stpm2 di Stata, atau flexsurvBahasa Indonesia: menyembuhkan Dan rstpm2 di R.

Saya sarankan Anda membaca makalah lengkapnya. Sisa makalah ini memiliki aplikasi empiris, kiat tentang kapan seseorang harus (dan tidak boleh) menggunakan model penyembuhan, dan banyak lagi. Bacaan yang sangat menarik.

Ini adalah pertanyaan yang sulit dijawab. Pertimbangkan pandangan dunia berikut:

• Penurunan persaingan. Persaingan telah menurun karena kami mengamati peningkatan konsentrasi pasar, peningkatan pasar, penurunan dalam porsi tenaga kerja, dan tingkat pembentukan bisnis baru yang lebih rendah pada tingkat makro.
• Kompetisi dalam aksiJika beberapa perusahaan “superstar” dalam suatu industri tumbuh dengan memberikan nilai yang lebih besar kepada pelanggan berdasarkan kemampuan mereka yang unggul untuk mengadopsi dan menggunakan teknologi baru yang melibatkan biaya tetap yang lebih tinggi dan biaya marjinal yang lebih rendah, kita akan mengharapkan konsentrasi dan markup harga/biaya meningkat, sejalan dengan itu.

Singkatnya, bukti empiris yang sama dapat mendukung pandangan dunia yang sangat berbeda.

Konsentrasi pasar: Pertimbangkan contoh lain di mana konsentrasi pasar dari 4 perusahaan teratas (dikenal sebagai statistik C4) meningkat dari 50% menjadi 90% dari waktu ke waktu. Jika konsentrasi ini murni karena akuisisi, mungkin ada kekhawatiran tentang konsentrasi pasar/kekuatan pasar. Sebaliknya, jika pertumbuhan C4 disebabkan oleh pertumbuhan internal oleh beberapa perusahaan besar yang efisien, yang menghasilkan produk yang lebih baik dan harga yang lebih rendah, peningkatan C4 ini tidak akan terlalu bermasalah.

Pertimbangkan juga bagaimana definisi pasar dapat menyebabkan bias ke atas atau ke bawah dalam konsentrasi pasar.

Meremehkan Konsentrasi Pasar dengan Menggunakan Kategori yang Terlalu Luas: Kode NAICS 325412 adalah “Pembuatan Sediaan Farmasi.” Dengan menggunakan ini sebagai “pasar,” obat yang mengobati satu penyakit akan berada di “pasar” yang sama dengan semua obat lain yang mengobati penyakit lain. Secara ekstrem, jika ada banyak penyakit dengan prevalensi dan tingkat keparahan yang sama, dan setiap kelas penyakit memiliki satu perusahaan monopoli yang dipatenkan, pengukuran konsentrasi dalam kode NAICS 325412 akan secara menyesatkan menemukan konsentrasi yang rendah. Sebaliknya, para peneliti yang mempelajari organisasi industri pasar farmasi cenderung mendefinisikan pasar jauh lebih sempit. Misalnya, Cunningham, Ederer, dan Ma (2021) mendefinisikan pasar sebagai kombinasi kelas terapeutik dan mekanisme kerja. Prosedur yang masuk akal ini menghasilkan ratusan pasar farmasi yang terpisah. Demikian pula, kode NAICS 513210 adalah “Penerbit Perangkat Lunak.” Kode ini menyatukan semua perangkat lunak, baik itu sistem operasi desktop, basis data perusahaan, aplikasi seluler, permainan komputer, atau perangkat lunak teknis khusus. Melebih-lebihkan Pasar Konsentrasi dengan Menggunakan Wilayah yang Terlalu Luas: Kode NAICS 444130 adalah “Toko Perkakas.” Pertimbangkan persaingan antar toko perkakas sebelum dan sesudah perluasan Home Depot dan Lowe’s. Misalkan setiap kota memulai dengan toko perkakas monopoli sendiri dengan pemilik lokal yang berbeda. Teknologi baru kemudian memungkinkan skala ekonomi di seluruh wilayah geografis, yang menyebabkan toko perkakas yang paling efisien untuk berkembang secara nasional. Misalkan hasilnya adalah bahwa setiap kota dilayani oleh dua toko perkakas besar, Home Depot dan Lowe’s. Konsentrasi yang diukur pada tingkat nasional akan meningkat secara dramatis, dari industri yang sangat terfragmentasi menjadi duopoli. Namun konsumen akan diuntungkan dari persaingan lokal yang lebih besar, memiliki dua pilihan daripada hanya satu.

Kenaikan harga dapat memberi tahu kita apakah suatu perusahaan menggunakan kekuatan pasar. Kenaikan harga adalah harga yang jauh di atas biaya marjinal. Akan tetapi, bahkan memperkirakan biaya marjinal pun bermasalah karena sejumlah alasan.

Pertama, membedakan biaya yang bervariasi dengan output (selama rentang dan jangka waktu yang relevan) dari yang tidak sangat sulit dilakukan dalam skala besar. Kedua, biaya marjinal sering kali mencakup biaya peluang yang sulit diamati, terutama ketika perusahaan menghadapi kendala kapasitas. Ketiga, perusahaan multi-produk biasanya memiliki biaya variabel yang dibagi di seluruh produk dan sulit untuk dibagi. Keempat, bagaimana seseorang menggabungkan estimasi markup harga/biaya dari tingkat produk hingga tingkat perusahaan, dan dari tingkat perusahaan hingga ukuran ringkasan untuk seluruh sektor atau seluruh ekonomi, penting secara kuantitatif dan untuk interpretasi. Misalnya, pergeseran ke industri di mana kekayaan intelektual lebih penting akan dengan sendirinya menyebabkan peningkatan markup rata-rata di seluruh ekonomi, bahkan tanpa perubahan dalam industri apa pun.

Perhatikan grafik di bawah ini. Keuntungan perusahaan terus meningkat dari waktu ke waktu (lihat grafik di sebelah kiri), tetapi hal ini terutama disebabkan oleh perusahaan domestik yang menjadi lebih sukses di pasar luar negeri (lihat grafik di sebelah kanan).

Ada dua pendekatan utama untuk memperkirakan markup, pendekatan kedua lebih umum digunakan. Metode De Loecker, Eeckhout, dan Unger (2020) (“DLEU”) dalam menerapkan pendekatan produksi telah berpengaruh dalam literatur ini.

• Pendekatan permintaanSeseorang memperkirakan sistem permintaan konsumen dan membuat asumsi tentang perilaku perusahaan untuk menyimpulkan berapa biaya marjinal yang harus dikeluarkan untuk menghasilkan harga yang diamati, mengingat sistem permintaan dan perilaku perusahaan yang diasumsikan.
• Pendekatan produksiSeseorang menggunakan data masukan dan keluaran untuk menyimpulkan berapa markup harga/biaya yang seharusnya, sehingga perusahaan yang meminimalkan biaya akan memilih untuk memproduksi jumlah keluaran yang diamati dengan menggunakan jumlah masukan yang diamati.

Sebagian besar argumen ini dikemukakan dalam sebuah makalah oleh Carl Shapiro dan Ali Yurukoglu (2024), yang bertujuan untuk meneliti apa yang sedang terjadi dengan berfokus pada data terperinci tingkat industri, bukan hanya data agregat ekonomi secara keseluruhan. Artikel tersebut berhasil merangkum literatur terkini tentang tren konsentrasi pasar, harga/markup, dan analisis retrospektif merger terkini. Konten di atas merangkum beberapa tantangan, tetapi makalah lengkapnya benar-benar mengulas literatur terkini di kedua sisi argumen tersebut.

Detil tambahan:

• Makalah yang ditulis oleh Sutton (1991) dan Sutton (1997) menjelaskan argumen persaingan dalam tindakan dalam dua bukunya tentang persaingan.
• Undang-Undang Clayton melarang penggabungan dan akuisisi jika “dampak akuisisi tersebut secara substansial dapat mengurangi persaingan, atau cenderung menciptakan monopoli.”
• Saat ini transaksi yang nilainya lebih dari $119,5 juta harus dilaporkan berdasarkan Undang-Undang Hart-Scott-Rodino (“HSR”).

Jika Anda pergi ke dokter atau dokter gigi di AS, Anda sering kali bisa mendapatkan diskon jika membayar sendiri dibandingkan dengan membayar melalui asuransi. Mengapa demikian? Bukankah dokter ingin mendapatkan perusahaan asuransi besar untuk membayar mereka dibandingkan dengan kemungkinan mengeluarkan biaya kartu kredit untuk pembayaran sendiri oleh pasien? Alasan mengapa dokter tidak menyukai asuransi adalah karena pembayarannya lambat, tidak pasti, dan memberatkan staf mereka secara administratif.

Sebuah makalah terbaru oleh Sahni et al. (2024) pertama kali mengidentifikasi kriteria untuk sistem pasar yang efisien dan menunjukkan bahwa di AS perawatan kesehatan jauh dari sistem pembayaran yang efisien.

Ekosistem transaksi keuangan yang efisien dari industri dan negara lain menunjukkan 2 fitur: jaminan pembayaran langsung dan penggunaan otomatisasi yang tinggi di seluruh proses. Sistem saat ini memiliki biaya transaksi rata-rata $12 hingga $19 per klaim di seluruh pembayar dan penyedia swasta untuk lebih dari 9 miliar klaim per tahun; setiap klaim rata-rata memerlukan waktu 4 hingga 6 minggu untuk diproses dan dibayar. Untuk klaim sederhana, biaya transaksi adalah $7 hingga $10 di seluruh pembayar dan penyedia swasta; untuk klaim yang rumit, $35 hingga $40. Otorisasi awal pada sekitar 5000 kode memiliki biaya rata-rata $40 hingga $50 per pengajuan untuk pembayar swasta dan $20 hingga $30 untuk penyedia. Intervensi yang selaras dengan ekosistem transaksi keuangan yang lebih efisien dapat mengurangi pengeluaran sebesar $40 miliar hingga $60 miliar…

Penulis mengklaim bahwa sekitar setengah dari penghematan biaya dapat direalisasikan melalui rujukan organisasi (misalnya, intervensi penskalaan) dan setengahnya melalui sistem di seluruh industri (misalnya, pusat kliring klaim otomatis terpusat, kebijakan medis standar, dll.). Tabel di bawah ini merangkum potensi penghematan ini.

Anda dapat membaca makalah selengkapnya di sini.

Indeks Harga Konsumen Obat Resep (CPI-Rx) dari Biro Statistik Tenaga Kerja (BLS) mengamati perubahan harga obat yang diberikan di apotek eceran rawat jalan. Akan tetapi, banyak obat farmasi, khususnya infus dan suntikan, diberikan di kantor dokter atau rumah sakit. Bagaimana pengaruh obat yang diberikan oleh dokter terhadap CPI-Rx?

Itulah pertanyaan yang ingin dijawab oleh sebuah makalah yang ditulis oleh Hicks, Berndt, dan Frank (2024). Para penulis berpendapat bahwa penting untuk memasukkan obat-obatan khusus yang sebagian besar diberikan oleh dokter karena obat-obatan khusus mencakup 55% dari pengeluaran obat-obatan AS pada tahun 2021, yang hampir dua kali lipat dari 28% dari satu dekade sebelumnya. Lebih dari setengah (52%) pengeluaran obat-obatan khusus digunakan untuk onkologi; kategori terbesar berikutnya adalah penyakit inflamasi (misalnya, artritis reumatoid) sebesar 9%.

Catatan penting dalam penghitungan CPI adalah bahwa biaya medis mencakup semua biaya yang diizinkan (yaitu, pembayaran langsung oleh pasien dan juga penggantian dari pembayar publik dan swasta).

Untuk memeriksa potensi dampak dari penyertaan obat-obatan yang diberikan oleh dokter dan obat-obatan khusus ke dalam CPI-Rx, penulis menggunakan data tahun 2010-2019 dari Merative MarketScan Commercial Database. Penulis membandingkan versi CPI yang mencakup 100% obat-obatan khusus di MarketScan dengan CPI alternatif.
pengukuran hanya mencakup 5%, 25%, 33%, dan 50% obat-obatan khusus. CPI dihitung menggunakan indeks Laspeyres berantai.

Dengan menggunakan pendekatan ini, penulis menemukan bahwa:

CPI-Rx BLS yang diterbitkan yang tidak disesuaikan secara musiman memiliki tingkat pertumbuhan rata-rata tahunan kumulatif (CAGR) sebesar 2,99% untuk periode waktu Januari 2010 – Desember 2019.30 CPI-Rx kami yang sepenuhnya representatif yang mencakup semua klaim ritel khusus dan non-spesialisasi serta farmasi pesanan lewat pos dari data MarketScan memiliki CAGR sebesar 3,64%. Oleh karena itu, sampel yang lebih representatif memiliki CAGR 22% lebih tinggi daripada CPI-Rx BLS (0,65% poin lebih tinggi).

Paradoksnya, sementara dimasukkannya obat-obatan khusus ke dalam CPI meningkatkan CPI-Rx, harga obat-obatan non-spesialisasi sebenarnya meningkat lebih cepat daripada harga obat-obatan khusus.

Para penulis menjelaskan fenomena ini sebagai berikut.

Anehnya, harga obat bermerek non-spesialis dan obat generik non-spesialis naik lebih cepat daripada harga khusus yang sesuai. Hal ini mungkin disebabkan oleh harga peluncuran obat khusus yang tinggi (yang tidak tercatat dalam indeks Laspeyres berantai). Karena produk baru merupakan bagian yang jauh lebih besar dari produk khusus dibandingkan dengan semua obat bermerek, bagian obat generik dalam kategori khusus akan jauh lebih kecil daripada dalam pengelompokan obat non-spesialis. Jadi, ketika indeks harga agregat dihitung, bobot yang diberikan pada obat generik diturunkan dengan memperbesar sampel khusus. Inilah yang menyebabkan indeks agregat naik seiring dengan pertumbuhan sampel khusus meskipun harga khusus bermerek tumbuh lebih lambat daripada merek lain.

Perlu dicatat bahwa indeks harga melihat harga kotor dan tidak memperhitungkan potongan harga obat. Akan tetapi, laporan CBO tahun 2019 mencatat bahwa potongan harga untuk obat khusus di Medicare Bagian D lebih kecil daripada potongan harga untuk obat resep bermerek secara keseluruhan.

Anda dapat membaca makalah selengkapnya Di Sini.

Program Penetapan Harga Obat 340B adalah inisiatif federal yang dirancang untuk membantu penyedia layanan kesehatan tertentu, yang dikenal sebagai “entitas yang tercakup,” memperluas sumber daya mereka untuk melayani populasi pasien yang rentan dan kurang terlayani dengan lebih baik. Dibuat pada tahun 1992, program ini mengharuskan produsen farmasi untuk menjual obat rawat jalan dengan harga diskon yang signifikan (biasanya diskon 25% hingga 50%) ke rumah sakit, klinik, dan pusat kesehatan yang memenuhi syarat yang merawat sejumlah besar pasien yang tidak diasuransikan dan berpenghasilan rendah. Entitas yang tercakup ini kemudian dapat menggunakan penghematan dari pembelian obat yang didiskon ini untuk menyediakan layanan yang lebih komprehensif, menjangkau lebih banyak pasien yang memenuhi syarat, dan menawarkan program tambahan yang meningkatkan perawatan dan akses pasien di komunitas mereka. Pendukung program 340B mengklaim bahwa program ini meningkatkan akses ke perawatan untuk populasi yang kurang terlayani tanpa menggunakan uang pembayar pajak (karena semua pendanaan berasal dari diskon wajib dari produsen obat).

Sementara program 340B ditujukan untuk entitas yang tercakup yang menangani populasi yang kurang terlayani, dalam beberapa tahun terakhir ukuran program tersebut telah berkembang. Menurut laporan oleh Masia (2024), jumlah rumah sakit yang berpartisipasi dalam 340B telah meningkat sebesar 31% dalam dekade terakhir. Meskipun ini mungkin tampak seperti jumlah yang besar, setiap penerima hibah sekarang lebih mungkin untuk memperluas jangkauan mereka dengan mengoperasikan sejumlah sub-situs atau sub-penerima hibah. Dengan menggunakan definisi ini, lokasi rumah sakit meningkat sebesar 126% (lokasi penerima hibah meningkat sebesar 61%) selama dekade terakhir. Sekarang ada hampir 200.000 apotek kontrak 340B di AS.

Masia kemudian meneliti dampak 340B pada biaya Medicaid:

Estimasi regresi kami menunjukkan bahwa peningkatan partisipasi rumah sakit dan penerima hibah 340B dari tahun 2014 hingga 2021 meningkatkan keseluruhan pengeluaran Medicaid sebesar $391 per pendaftar, atau lebih dari $32 miliar per tahun. Hal ini menunjukkan bahwa pengeluaran yang didorong oleh 340B dapat mencapai sekitar 10% dari keseluruhan pengeluaran Medicaid, yang secara signifikan meningkatkan biaya program bagi pembayar pajak.

Mengapa 340B akan meningkatkan biaya? Penulis berpendapat bahwa konsolidasi pasar yang didorong oleh 340B, pilihan lokasi perawatan, pilihan terapi semuanya dapat memengaruhi hasilnya. Misalnya, rumah sakit 340B mungkin lebih suka meresepkan obat bermerek dibandingkan dengan obat generik di bawah 340B karena keuntungan yang mereka peroleh dari obat bermerek jauh lebih besar. Sementara entitas yang tercakup dalam 340B mendapatkan diskon untuk obat-obatan ini, pembayar mengganti biaya penuh entitas yang tercakup.

Anda dapat membaca makalah lengkap Neal Masia Di Sini.

Sebuah makalah oleh Drummond dkk. (2023) meneliti bagaimana badan penilaian teknologi kesehatan menangani tantangan penilaian nilai untuk terapi sel dan gen (juga dikenal sebagai Advanced Therapy Medicinal Products (ATMPs) di Eropa). Untuk melakukan hal ini, para penulis:

…melaksanakan i) tinjauan terarah atas literatur tentang kebutuhan bukti klinis dan ekonomi untuk terapi ini, dan ii) analisis mendalam atas laporan HTA dari 8 yurisdiksi utama untuk 9 terapi sel dan gen dalam 10 indikasi, bersama dengan dokumen terkait yang tersedia untuk umum tentang perjanjian entri terkelola dan persyaratan bukti pasca peluncuran.

Penulis menggunakan formulir ekstraksi data dari Drummond et al. (2019).

Para penulis meneliti unsur-unsur ini dan menentukan seberapa besar unsur-unsur tersebut dikutip secara positif, negatif, atau netral.

Yang juga menarik adalah meskipun beberapa elemen nilai yang lebih luas atau nilai sosial disebutkan dalam penilaian nilai ATMP, hal ini jauh dari umum.

Makalahnya menarik secara keseluruhan dan Anda dapat membaca makalah selengkapnya di sini.