Das ist der Titel eines neuen USC White Paper von Darren Filson, Karen Van Nuys, Darius Lakdawalla und Dana Goldman mit dem Untertitel „Wie viel treibt Revenue New Drug Development?“
Was ist die Elastizität der Innovation?
Es misst die prozentuale Veränderung der Innovation – den Fluss neuer Arzneimittelgenehmigungen oder Phase 1, 2 oder 3 Starts – verursacht durch eine prozentuale Änderung der Einnahmen, die in der Regel die Einnahmen aus erwartungsvollem Future erwartet.
In der Praxis ist es eine Veränderung der Gewinne, die wichtig ist, aber zukünftige Einnahmen sind viel beobachtbarer und vorhersehbarer als zukünftige Gewinne. Daher konzentrieren sich die Autoren auf die Elastizität der Innovation in Bezug auf Einnahmen und nicht auf Gewinne.
Wie viel wirken sich zukünftige Einnahmen auf die Wahrscheinlichkeit einer neuen Drogenentwicklung aus?
Alle Studien kommen zu dem Schluss, dass die Elastizität positiv ist – niedrigere Einnahmen führen zu weniger F & E -, aber Schätzungen variieren stark. Wir argumentieren jedoch, dass eine typische langfristige Elastizität, die mit den US-Umsätzen verbunden ist, im Bereich von 0,25 bis 1,5 liegt, was bedeutet, dass wir für jede 10% ige Verringerung der erwarteten Einnahmen 2,5 bis 15% weniger pharmazeutische Innovation erwarten können.
Was antreibt die Variabilität in diesen Schätzungen vor?
Eine wichtige Frage ist, warum in diesen Schätzungen einen so großen Bereich enthält? Sicherlich verschiedene Studiendesigns sind wichtig (siehe unten). Die Autoren behaupten auch, dass Faktoren wie „der untersuchte Zeithorizont, die Größe der Preisänderung, die Kosten der Arzneimittelentwicklung, die Hindernisse für wertorientierte Preisgestaltung und andere Marktfaktoren“ auf die Größe der Elastizität der Innovation beeinflussen.
Welche Methoden werden in der Literatur verwendet, um die Elastizität der Innovation abzuschätzen?
Querschnitt: Nutzungsunterschiede bei den Einnahmen in Therapieklassen (oder einer anderen Analyseeinheit), um die Elastizität abzuschätzen. Zum Beispiel können sie „hochrangige“ mit „niedrigen Einnahmen“ -Kläufen vergleichen, um die Elastizität zu schließen [Examples: Lichtenberg (2005) and Civan and Maloney (2009)].Aggregate Zeitreihen: Nutzungsunterschiede in der Umsatzebene auf Branchenebene im Laufe der Zeit [Example: Giaccotto, Santerre and Vernon (2005)]Paneldatenansätze: Zu den „festen Effekten“ der Arzneimittelklasse und schwer zu messen und anhaltende Unterschiede in den Klasseneigenschaften enthalten. Im Wesentlichen konzentriert sich dieser Ansatz auf Einnahmenänderungen innerhalb der Klasse als Treiber für Innovationsänderungen innerhalb der Klasse. Diese Analysen erfordern typischerweise die Verwendung von „natürlichen Experimenten“, die eine unterschiedliche Umsatzänderung in verschiedenen Marktsegmenten verursachen. Beispiele für natürliche Experimente sind zukünftige demografische Veränderungen oder das Aufkommen von Medicare Teil D. [Examples: Acemoglu and Linn (2004); Dubois et al. (2015); Blume-Kohout and Sood (2013)]Parametrisierte Rechenmodelle (AKA -Strukturmodelle): Geben Sie die objektiven Funktionen, Strategiesätze und Merkmale der Geschäftsumgebung an, und wenn das Modell mehrere Unternehmen umfasst, erfordert das Modell normalerweise, dass sich der Markt im Gleichgewicht befindet. Parameter werden ausgewählt, um den realen Welt zu entsprechen (z. B. durchschnittliche F & E-Kosten) und kalibriert so, dass die Modellausgaben auch die realen Ergebnisse entsprechen (z. B. durchschnittlicher Fluss neuer Arzneimittel). [Examples: Abbott and Vernon (2007); Filson (2012); Adams (2021)]
Die Autoren argumentieren, dass Panelansätze und parametrisierte Rechenmodelle bevorzugt werden.
Welche individuelle Elastizität von Innovationsschätzungen haben sie für die Studien mit dem bevorzugten Panel- oder Berechnungsansatz erreicht?
Die Autoren haben einen schönen Tisch, in dem die Ergebnisse, die ich unten eingefügt habe, zusammenfasst.
Tolle Arbeit von meinen Kollegen bei USC! Ich ermutige Sie auf jeden Fall, den vollständigen Artikel hier zu lesen.
