Skip to content

Modell_Patient.md

Latest commit

 

History

History
330 lines (251 loc) · 11.5 KB

Modell_Patient.md

File metadata and controls

330 lines (251 loc) · 11.5 KB

Sildenafil Rx-to-OTC Switch -- Patientenbasiertes Modell

Datei: models/sildenafil_patient_engine.py | UI: app/sildenafil_patient.py

1. Modell-Philosophie

Das patientenbasierte Modell folgt dem Best-Practice-Ansatz fuer Pharma-Launch-Forecasts: Jede Volumenzahl wird aus einem transparenten Patientenfunnel abgeleitet. Der OTC-Peak wird berechnet (nicht als Input gesetzt).

Fluss:

Epidemiologie (ED-Praevalenz, 5 Mio.)
  --> Therapiequote (30% behandelt, 70% unbehandelt)
  --> Adressierbarer Pool (15% der Unbehandelten = 525.000 Patienten)
  --> Patienten-Uptake (logistische S-Kurve)
  --> Tabletten = Patienten x Tabletten/Patient/Monat
  --> + Saisonalitaet + Preiselastizitaet
  --> + Tadalafil-Migration (Patienten --> Tabletten)
  --> Kanalverteilung, Marke/Generika
  --> Umsatz & Profitabilitaet

Kernunterschied zum Volumenmodell:

  • Volumenmodell: OTC Peak = Input (2,1 Mio. Tabletten/Mon.)
  • Patientenmodell: OTC Peak = berechnet (525.000 Patienten x 4,0 Tabl. = 2,1 Mio.)

Beide Modelle kommen im Base Case auf denselben Peak, aber das Patientenmodell macht den Weg dorthin transparent und nachvollziehbar.

2. Parameter-Uebersicht

2.1 Epidemiologie & Patientenpool

Parameter Default Beschreibung
ed_prevalence_men 5.000.000 ED-Praevalenz Maenner DE
treatment_rate 30% Aktuell in Behandlung
addressable_pct 15% Anteil der Unbehandelten, die OTC kaufen wuerden
uptake_ramp_months 18 Monate bis ~95% des adressierbaren Pools erreicht
tablets_per_patient_per_month 4,0 Durchschn. Nutzungsfrequenz

Abgeleitete Groessen:

unbehandelt         = 5.000.000 x 70%  = 3.500.000
adressierbarer_pool = 3.500.000 x 15%  =   525.000 Patienten
otc_peak_tabletten  =   525.000 x 4,0  = 2.100.000 Tabletten/Monat

2.2 Patienten-Quellenverteilung

Parameter Default Beschreibung
new_patient_share 63% Neue Patienten (nie Arzt gehabt) -- UK-Referenz

Die verbleibenden 37% sind Rx-Migranten (Patienten, die von Rx zu OTC wechseln).

2.3 Rx-Markt (Baseline vor Switch)

Parameter Default Beschreibung
rx_patients_monthly 217.000 Sildenafil Rx Patienten/Monat
rx_tablets_per_patient 4,0 Tabletten pro Rx-Patient/Monat
rx_price_brand 11,19 EUR Viagra Apothekenpreis/Tablette
rx_price_generic 1,50 EUR Generika Apothekenpreis/Tablette
rx_brand_share 10% Viagra-Anteil am Rx-Volumen
rx_manufacturer_share 52% Herstelleranteil am Apothekenpreis 
rx_tablets_baseline = 217.000 x 4,0 = 868.000 Tabletten/Monat

2.4 OTC-Preise

Parameter Default Beschreibung
otc_price_per_tablet 5,99 EUR OTC Preis/Tablette
price_elasticity -0,5 Preiselastizitaet (gering)
price_trend_annual -3% p.a. Jaehrlicher Preisverfall

2.5 Tadalafil-Migration

Parameter Default Beschreibung
tadalafil_patients_monthly 120.000 Tadalafil Rx Patienten/Monat
tadalafil_tablets_per_patient 4,0 Tabletten/Tadalafil-Patient/Monat
tadalafil_switch_pct 12% Migration zu Sildenafil OTC
tadalafil_migration_months 24 Logistische Migrationsdauer 
tada_peak_tablets = 120.000 x 4,0 x 12% = 57.600 Tabletten/Monat

2.6 Marke vs. Generika

Parameter Default Beschreibung
brand_otc_share 25% Viagra Connect Startanteil OTC
brand_otc_share_trend -3% p.a. Jaehrliche Erosion
brand_price_premium 1,8x Preisfaktor Marke vs. Generika

2.7 Kanalverteilung

Identisch zum Volumenmodell (apothekenpflichtig, 2 Kanaele):

Kanal Start-Anteil Trend p.a. Marge Distribution Diskretionsfaktor
Stationaere Apotheke 55% -2 Pp. 42% 6% 0,70
Online-Apotheke 45% +2 Pp. 30% 10% 1,00

2.8 Saisonalitaet

Identisch zum Volumenmodell:

Jan=0.90  Feb=1.05  Marz=1.00  Apr=1.00  Mai=1.05  Jun=1.10
Jul=1.05  Aug=1.00  Sep=0.95   Okt=0.95  Nov=0.95  Dez=1.00

2.9 Marketing

Parameter Default Beschreibung
marketing_monthly_eur 500.000 Monatliches Marketing-Budget
marketing_ramp_months 18 Vollbudget-Phase
marketing_maintenance_factor 0,5 Maintenance = 50%
marketing_taper_months 6 Linearer Uebergang

Taper-Logik identisch zum Volumenmodell (siehe dort).

2.10 Kosten & Diskretionseffekt

Parameter Default Beschreibung
cogs_pct 12% COGS als % vom Herstellerumsatz
discretion_baseline 0,70 Basis-Diskretionsfaktor
discretion_sensitivity 0,15 Staerke des Kanal-Shifts

3. Berechnungslogik (Schritt fuer Schritt)

Schritt 1: Patientenzahlen

addressable_patients = ed_prevalence * (1 - treatment_rate) * addressable_pct
                     = 5.000.000 * 0.70 * 0.15 = 525.000

otc_patients_active = logistic_ramp(monat, peak=525.000, ramp=18)

Patienten-Quellenverteilung:

otc_new_patients          = otc_patients_active * new_patient_share (63%)
otc_rxmigration_patients  = otc_patients_active * (1 - new_patient_share) (37%)
otc_rxmigration_patients  = min(otc_rxmigration_patients, rx_patients_monthly)  <-- Cap!

Migrations-Cap: Die Rx-Migration kann nicht mehr Patienten umfassen als tatsaechlich im Rx-Pool existieren. Dies verhindert Phantom-Migranten bei hohen OTC-Annahmen.

Rx-Patienten nach Migration:

rx_patients = max(0, rx_patients_monthly - otc_rxmigration_patients)

Schritt 2: Tabletten (Patienten x Frequenz)

otc_base_tablets = otc_patients_active * tablets_per_patient_per_month
otc_seasonal     = otc_base_tablets * season_factor
price_vol_effect = 1 + ((1+price_trend)^(m/12) - 1) * price_elasticity
otc_tablets      = otc_seasonal * price_vol_effect

Tadalafil-Migration (in Tabletten, mit Saisonalitaet):

tada_migration_patients = logistic(m, peak=120.000*12%, midpoint, steepness)
tada_tablets = tada_migration_patients * tadalafil_tablets_per_patient * season_factor
otc_tablets += tada_tablets

Rx-Tabletten:

rx_tablets = rx_patients * rx_tablets_per_patient * season_factor

Schritt 3: Volumen-Dekomposition (in Tabletten)

otc_from_tadalafil    = tada_tablets
otc_from_new_patients = (otc_tablets - tada_tablets) * new_patient_share
otc_from_rx_migration = (otc_tablets - tada_tablets) - otc_from_new_patients

Schritt 4: Kanalverteilung

Identisch zum Volumenmodell:

  1. Basis-Shares mit Zeittrend
  2. Normalisierung
  3. Diskretions-Bonus
  4. Erneute Normalisierung
  5. Tabletten und Umsatz pro Kanal

Schritt 5: Brand vs. Generika

Identisch zum Volumenmodell: Anteil mit linearer Erosion, Preispremium, proportionale Verteilung des Brand-Bonus auf Kanaele.

Schritt 6: Rx-Umsatz

rx_avg_retail_price = rx_brand_share * rx_price_brand + (1-rx_brand_share) * rx_price_generic
rx_revenue = rx_tablets * rx_avg_retail_price * rx_manufacturer_share

Schritt 7: Profitabilitaet

rx_gross_profit  = rx_revenue * (1 - cogs_pct)
otc_gross_profit = otc_mfr_revenue * (1 - cogs_pct)
gross_profit     = rx_gross_profit + otc_gross_profit
operating_profit = gross_profit - marketing_spend

Schritt 8: Therapiequote (abgeleitet!)

active_new_patients      = otc_new_patients  (aktive OTC-Kaeufer, die neu sind)
treatment_rate_effective = treatment_rate + active_new_patients / ed_prevalence

Konsistenz: Die Therapiequote wird aus den tatsaechlich aktiven OTC-Neupatienten abgeleitet, nicht unabhaengig gesetzt. Sie steigt nur so schnell, wie tatsaechlich neue Patienten in den OTC-Markt eintreten.

4. KPI-Definitionen

KPI Berechnung
OTC Umsatz M12 Summe otc_manufacturer_revenue fuer Monate 1-12
Gesamtumsatz M12 Summe total_revenue (Rx+OTC) fuer Monate 1-12
OTC > Rx ab Erster Monat wo OTC-Umsatz > Rx-Umsatz / OTC-Tabletten > Rx-Tabletten
Gewinn 5J Kumulierter Operating Profit nach 60 Monaten
OTC Patienten Peak Maximum von otc_patients_active
Neue OTC-Patienten Maximum von active_new_patients
Rx-Rueckgang (Rx Y1 - Rx letzte 12 Mon.) / Rx Y1 (saisonbereinigt)
Therapiequote 5J Effektive Therapiequote in Monat 60
Breakeven Erster Monat mit kumulativem Gewinn > 0
Marketing-ROI Kumulierter Gewinn / Kumuliertes Marketing (5J)
Marketing 5J Kumulierte Marketing-Ausgaben nach 60 Monaten
Umsatz 5J Kumulierter Gesamtumsatz (Rx+OTC) nach 60 Monaten

5. Szenarien

Parameter Konservativ Base Case Optimistisch
Erreichbare Unbehandelte 8% 15% 19%
Tabletten/Patient/Mon. 3,5 4,0 4,5
Ramp (Monate) 24 18 12
Marketing/Mon. 300.000 500.000 750.000
Neue Patienten (%) 55% 63% 70%
Markenanteil (%) 20% 25% 35%

Resultierende OTC Peaks:

  • Konservativ: 3.500.000 x 8% x 3,5 = 980.000 Tabletten/Mon.
  • Base Case: 3.500.000 x 15% x 4,0 = 2.100.000 Tabletten/Mon.
  • Optimistisch: 3.500.000 x 19% x 4,5 = 2.992.500 Tabletten/Mon.

6. UI-Aufbau

Dashboard-Header

  • Titel: "Sildenafil Rx-to-OTC Switch Patient-Based Forecast"
  • Szenario-Anzeige, Modell-Typ

KPI-Kacheln (3 Reihen)

  • Reihe 1 "Was bringt der Switch?": OTC Umsatz M12, Gesamtumsatz M12, OTC>Rx ab, Gewinn 5J
  • Reihe 2 "Wie verteilt sich der Markt?": OTC Patienten Peak, Neue OTC-Patienten, Rx-Rueckgang, Therapiequote 5J
  • Reihe 3 "Lohnt es sich?": Breakeven, Marketing-ROI, Marketing 5J, Umsatz 5J

Chart-Tabs (4 Tabs)

  1. Patienten & Therapieluecke -- 2x2: Uptake + Herkunft (oben), Treatment Gap + Therapiequote (unten), Funnel-Tabelle
  2. Rx vs. OTC -- Tabletten-Linien + Umsatz-Balken
  3. Kanal & Marke -- 2x2 + Kanal-Umsatz: Kanalvolumen, Kanal-Anteile, Marke/Generika, Markenanteil-Erosion
  4. Profitabilitaet -- 2x2: Rx/OTC Bruttogewinn, Kanal-Profit, Kumuliert, Monatlich

Patienten-Funnel-Tabelle (in Tab 1)

Zeigt den kompletten Funnel von ED-Praevalenz bis Peak OTC-Patienten.

Szenario-Vergleichstabelle

Nutzt dataclasses.replace(params, **overrides) um aktuelle Sidebar-Werte beizubehalten.

7. Unterschiede zum Volumenmodell

Aspekt Volumenmodell Patientenmodell
OTC Peak Direkter Input (Tabletten) Berechnet: Patienten x Frequenz
Steuergroesse otc_peak_tablets_per_month addressable_pct + tablets_per_patient
Patienten explizit? Nein (nur abgeleitet) Ja (Kerngroesse)
Rx-Input Tabletten/Monat Patienten/Monat + Tabl./Patient
Tadalafil-Input Tabletten/Monat Patienten/Monat + Tabl./Patient
Rx-Migration-Cap Nein (theoretisch unbegrenzt) Ja: min(migration, rx_patients)
Therapiequote Aus OTC-Tabletten abgeleitet Aus OTC-Patienten abgeleitet
Rx-Rueckgang (5J) ~92% (Tabletten direkt subtrahiert) ~84% (Patienten subtrahiert, dann x Tabl.)
Patienten-Funnel Nicht vorhanden Vollstaendige Tabelle in UI
Tab-Struktur 5 Tabs 4 Tabs (Patienten & Therapieluecke als eigener Tab)

Warum unterschiedlicher Rx-Rueckgang (84% vs. 92%)?

Das Volumenmodell subtrahiert OTC-Tabletten direkt vom Rx-Tablettenpool. Das Patientenmodell subtrahiert Patienten und multipliziert dann mit tablets_per_patient * season_factor. Da die Saisonalitaet auf die OTC-Tabletten wirkt (nicht auf die Patienten), ergibt die Migration in Tabletten nicht exakt migration_patients * 4.0 in jedem Monat. Dieser Unterschied ist erwartet und korrekt -- beide Modelle sind in sich konsistent.

8. Datenquellen

Identisch zum Volumenmodell (siehe Modell_Volumen.md, Abschnitt 7).