XiaoMi-AI文件搜索系统
World File Search SystemVisante
药品供应链参与者保留的药品金额份额
资料来源：Visante 估计，基于 IQVIA、Pembroke、Altarum、USC Schaefer 和 Health Affairs 发布的数据。该图显示了估计的总净支出（扣除回扣后），包括品牌药和仿制药。仅包括传统的 PBM 服务，不包括 PBM 拥有的邮寄/专科药房配发的处方，这些处方的成本低于零售，但为拥有邮寄/专科药房的 PBM 提供了额外的利润。
增加了成本相关的与统计 - ...
Visante由药物护理管理协会（PCMA）委托，以估算影响药房福利管理（PBM）工具的四种州立法的潜在成本影响：PBM披露授权，PBM受托授权，对先前授权的限制（PA）和Step Therapy（ST）和任何愿意的专用药房要求。作为一般规则，这种州立法将仅影响计划发起人的商业，全面保险的计划。这些计划为大约7700万美国人提供了处方药福利。为了进行估算，我们对已发表的证据进行了全面的审查，以表明PBM工具目前在市场中使用了多少工具，并创建了一种经济模型，以实现立法提案对使用这些工具的使用以及对未来10年全面保险商业市场的预计药物支出的影响的经济模型。
高价值药房企业框架
Steve Rough，Bspharm，MS，Fashp，Visante，Visante，Wi Rita Shane，PharmD，Fashp，FASHP，FCSHP，Cedars- Sinai Medical Center，CA，CA，加利福尼亚州洛杉矶和UCSF Pharmacy，UCSF Pharmacy，ca san Francisco，ca John A. A. Artertead MS，Cphims，Fashp，Mayo诊所，罗切斯特，MN Philip W. Brummond，Pharmd，MS，MS，Fashp，Froedtert和威斯康星州医学院和医学院，密尔沃基，威斯康星州，威斯康星州大卫·陈，BSPharm，BSpharm，MBA，MBA，MBA，美国卫生系统药物学家 Dalton, PharmD, Wake Forest Baptist Health, Winston-Salem, NC Anna Legreid Dopp, PharmD, American Society of Health-System Pharmacists, Bethesda, MD Michelle M. Estevez, PharmD, DPLA, BCPS, Lee Health, Fort Myers, FL David R. Hager, PharmD, BCPS, UW Health, Madison, WI Brooke Halbach, PharmD, BCPS, UW Health，Madison，Wi Ryan Hays，PharmD，BCPS，Cedars-Sinai Medical Center，洛杉矶，Ca Scott Knoer，Pharmd，MS，MS，FASHP，美国药剂师协会，华盛顿特区Desi Kotis，Pharmd，Pharmd，Pharmd，Pharmd，fashp，Fashp，Fashp，FASHP，加利福尼亚大学，加利福尼亚州弗朗西斯科，San Francisco，Ca Francis，ca francis，ca francis，ca francis，ca france，ca，UCSF， Pharmd，MS，NC Brooks Plummer，PharmD，Ochsner Health，New Orleans，La Melissa R. Riester，Pharmd，PharmD，Brown University public Health，Providence，RI DIANA J.Schreier，Pharmd，Pharmd，Pharmd，Maba，MBA，BCPS，Mayo Clinic，Mayo Clinic，Mayo Simonson，Pharman Hearth，New New Orchne，Pharmd PlummD Siska, BSPharm, MBA, FASHP, Mayo Clinic, Rochester, MN Kelsey Waier, PharmD, University of California San Francisco, San Francisco, CA, and UCSF Health, San Francisco, CA Lee C. Vermeulen, BSPharm, MS, FCCP, FFIP, University of Kentucky, Lexington, KY, and UK HealthCare,列克星敦，肯塔基州
从2维到三维：通过深度学习
前室深度（ACD）是角度闭合疾病的主要危险因素，并且已用于各种人群的角度闭合筛查。但是，ACD是根据眼部生物计或前部光学相干断层扫描（AS-OCT）测量的，它们是昂贵的，在初级保健和社区环境中可能不容易获得。因此，这项概念验证研究旨在使用深度学习（DL）从低成本前部照片（ASP）预测ACD。我们包括2,311对ASP和ACD测量，用于算法开发和验证，以及380对算法测试。我们捕获了安装在缝隙灯泡生物显微镜上的数字摄像机的ASP。在用于算法开发和有效性的数据中，用眼部生物计（Iolmaster700或Lenstar LS9000）测量前腔深度，并在用于测试的数据中使用AS-OCT（Visante）。DL算法是从Resnet-50体系结构中修改的，并使用平均绝对误差（MAE），系数确定（R 2），Bland-Altman图和类内相关系数（ICC）进行评估。在验证中，我们的算法预测ACD的MAE（标准偏差）为0.18（0.14）mm； r 2 = 0.63。预测的ACD的MAE在眼睛开放角度为0.18（0.14）mm，眼睛闭合的眼睛为0.19（0.14）mm。实际和预测的ACD测量之间的ICC为0.81（95％CI 0.77，0.84）。在测试中，我们的算法预测ACD的MAE为0.23（0.18）mm； r 2 = 0.37。显着性地图突出显示了学生的余量，作为ACD预测中使用的主要结构。这项研究证明了通过DL预测ASP的ACD的可能性。该算法模仿了眼光进行预测的眼光，并为预测与角度闭合筛选相关的其他定量测量提供了基础。