Please use this identifier to cite or link to this item: https://repositorio.ipea.gov.br/handle/11058/1379
Full metadata record
DC FieldValueLanguage
dc.contributor.authorFiuza, Eduardo Pedral Sampaio-
dc.contributor.authorCaballero, Barbara-
dc.contributor.otherMarigo, Carla (Colaborador)-
dc.contributor.otherKlotz, Leticia (Colaborador)-
dc.contributor.otherLima, Guilherme (Colaborador)-
dc.contributor.otherMoura, Fernando (Colaborador)-
dc.contributor.otherRuperti, Felipe (Colaborador)-
dc.contributor.otherSafatle, Leandro (Colaborador)-
dc.coverage.spatialBrasilpt_BR
dc.date.accessioned2013-07-08T19:47:20Z-
dc.date.available2013-07-08T19:47:20Z-
dc.date.issued2010-10-
dc.identifier.urihttp://repositorio.ipea.gov.br/handle/11058/1379-
dc.description.abstractDuas grandes mudanças na legislação brasileira durante os anos 1990 remodelaram a indústria farmacêutica local: a ratificação do acordo TRIPS em 1996, incluindo uma provisão para a concessão de patentes a inventos em pipeline; e a Lei dos Genéricos, de 1999, que introduziu o teste de bioequivalência e facilitou a substituição de medicamentos pioneiros por genéricos na dispensação. Foram gradualmente retomados controles de preços na virada do século. O presente artigo estima a entrada de versões genéricas de medicamentos fora de patente nas várias classes terapêuticas, usando tanto modelos de dados de contagem como multinomiais ordenados. Os resultados indicam que um modelo simples de Poisson tem um pior ajuste, embora as variáveis explicativas exibam o mesmo padrão de significância e sinais. A maioria das variáveis explicativas utilizadas é significativa, em particular proxies para o tamanho do mercado potencial (valores defasados dos faturamentos dos medicamentos), concentração de mercado e idade do medicamento de referência. Múltiplas marcas (e não simplesmente genéricos próprios) e estratégias de evergreening parecem ser efetivas em deter entradas.pt_BR
dc.language.isopt-BRpt_BR
dc.publisherInstituto de Pesquisa Econômica Aplicada (Ipea)pt_BR
dc.titleEstimações de entrada de medicamentos genéricos no Brasil usando modelos de contagem versus modelos ordenadospt_BR
dc.title.alternativeTexto para Discussão (TD) 1511: Estimações de entrada de medicamentos genéricos no Brasil usando modelos de contagem versus modelos ordenadospt_BR
dc.title.alternativeEstimations of generics entry in Brazil using count models versus ordered modelspt_BR
dc.typeTexto para Discussão (TD)pt_BR
dc.rights.holderInstituto de Pesquisa Econômica Aplicada (Ipea)pt_BR
dc.source.urlsourcewww.ipea.gov.brpt_BR
dc.location.countryBRpt_BR
dc.description.physical50 p. : il.pt_BR
dc.rights.licenseÉ permitida a reprodução deste texto e dos dados nele contidos, desde que citada a fonte. Reproduções para fins comerciais são proibidas.pt_BR
dc.subject.keywordMedicamentos genéricospt_BR
dc.subject.keywordIndústria farmacêuticapt_BR
dc.subject.keywordLei dos genéricospt_BR
dc.subject.keywordPatente de medicamentospt_BR
ipea.description.objectiveEstimar a entrada de versões genéricas de medicamentos fora de patente nas diferentes classes terapêuticas, usando modelos de dados de contagem e multinomiais ordenados.pt_BR
ipea.description.additionalinformationSéries monográficas: Texto para Discussão ; 1511pt_BR
ipea.description.additionalinformationReferências bibliográficas: possui referências bibliográficaspt_BR
ipea.access.typeAcesso Abertopt_BR
ipea.rights.typeLicença Comumpt_BR
ipea.englishdescription.abstractTwo major changes in Brazilian legislation during the 1990s reshaped the local pharmaceutical industry: the ratification of the TRIPS agreement including a provision for pipeline inventions in 1996, and a Generic Drug Act in 1999, which introduced bioequivalence tests and facilitated generic drugs’ substitution for the pioneer drugs at dispensing. Genuine generic drug entry may be dated back to 2000, when the first applications were approved. Price controls were gradually resumed in the turn of the century. The present article estimates entry of generic versions of off-patent drugs into various therapeutic classes using both count data and ordered multinomial models. Results point out that a simple Poisson model fits the data poorly, calling for further modelling of overdispersion or of excess zeros by applying Negative Binomial and zero-inflated count models. Ordered models seem to provide a worse fit, even though the explaining variables display the same pattern of significance and signs. Most of the explaining variables utilized are significant, in particular a proxy for potential market (lagged revenues of the drug), market concentration, and age of the pioneer drug. Multiple brands (rather than simply own-generics) and evergreening strategies seem to be effective in deterring entry.pt_BR
ipea.researchfieldsN/Apt_BR
ipea.classificationIndústriapt_BR
ipea.classificationSaúdept_BR
Appears in Collections:Indústria: Livros
Saúde: Livros

Files in This Item:
File Description SizeFormat 
TD_1511.pdf560.91 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.