CN110322331A - 一种基于云计算和大数据的医药销售方法 - Google Patents
一种基于云计算和大数据的医药销售方法 Download PDFInfo
- Publication number
- CN110322331A CN110322331A CN201910648381.7A CN201910648381A CN110322331A CN 110322331 A CN110322331 A CN 110322331A CN 201910648381 A CN201910648381 A CN 201910648381A CN 110322331 A CN110322331 A CN 110322331A
- Authority
- CN
- China
- Prior art keywords
- medicine
- patient
- information
- drug
- retail
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种基于云计算和大数据的医药销售方法,步骤为:药企、零售药店和医药药房进行信息上传并存储;零售药店和医药药房向药企进货并生成订单,然后将订单以及相关物流信息上传并存储;患者就医后,医生录入患者和医生信息并存储;搜索药店或药房;患者通过搜索结果选择自取或专业配送两种取药方式以及购药商户;患者选择需要购药的商户并通过显示的地理位置、零售价格和药品库存前往购药;患者选定配送的商户后生成订单并进入后续物流信息直至销售完成;售后服务;大数据分析与预测并将结果发送至药企、零售药店和医院药房。本发明通过大数据挖掘与预测,为制药企业制定生产与供应策略提供精准数据支撑。
Description
技术领域
本发明属于医药销售领域,特别涉及一种基于云计算和大数据的医药销售方法。
背景技术
药品价格虚高一直是困扰我国医疗服务事业发展的难题,究其主要原因是药品流通环节过长、中间环节过多。
我国现有的DTP模式,主要包括药品物流配送体系、患者数据管理体系、信息共享体系,在技术上分别对应着GPS和全程冷链温湿度监控技术、大数据分析技术以及信息共享技术。上述各体系间相互独立,信息传递没有做到全流程的实时拉通,因此云计算和大数据等技术对医药DTP模式的支撑作用尚未充分发挥出来。在温湿度监控技术领域,国内现有的冷链监测技术主要以人工测量和纸面记录为主,尚缺少统一的数据系统支持,无法预警、损失率大。
发明内容
发明目的:针对现有技术中的供应环节和供应时间无法满足患者安全用药、经济用药和便捷用药的基本需求的问题,提供一种基于云计算和大数据的医药销售方法。
技术方案:为解决上述技术问题,本发明提供一种基于云计算和大数据的医药销售方法,其特征在于,包括如下步骤:
(1)药企、零售药店和医药药房进行信息上传并存储;
(2)零售药店和医药药房向药企进货并生成订单,然后将订单以及相关物流信息上传并存储;
(3)患者就医后,医生录入患者和医生信息并存储;
(4)搜索药店或药房,关联与患者所需药品相关的零售药店和医药药房;
(5)患者通过搜索结果选择自取或专业配送两种取药方式以及购药商户,如果选择自取则进入步骤(6),如果选择专业配送则进入步骤(7);
(6)通过步骤(4)中显示的与患者所需药品相关的零售药店和医药药房,患者选择需要购药的商户并通过显示的地理位置、零售价格和药品库存前往购药,并进入步骤(8);
(7)患者输入配送地址,然后根据配送地址远近选择与患者所需药品相关的零售药店和医药药房,患者选定配送的商户后生成订单并进入后续物流信息直至销售完成,并进入步骤(8);
(8)售后服务,医生录入时间和用药量设置用药提醒,患者每日用药后录入用药情况;
(9)大数据分析与预测并将结果发送至药企、零售药店和医院药房。
进一步的,所述步骤(1)中药企信息包括:药品基本信息:药品说明和批发价格;零售药店和医药药房信息包括:商户名称、所在位置、联系方式、药品名称,药品库存量和药品零售价格
进一步的,所述步骤(2)中订单以及相关物流信息包括:销售订单信息:客户名称、订货量和发货量;物流监控信息:批次号、地理位置和温湿度;药品批发信息:药品名称,制药企业名称和订货量
进一步的,所述步骤(3)中患者和医生信息包括:医疗机构名称、医疗机构地理位置、患者基本信息、诊断结果、药品名称和药品数量。
进一步的,所述步骤(9)中大数据分析和预测的具体步骤如下:首先,运用时间序列分析预测法对某单店的单周销量进行预测。构建多元回归模型为y=a+bx1+cx2,其中y代表单周销量,x1代表销售时间,x2代表零售价格,a,b,c为回归系数。然后通过最小二乘法,估计单周回归系数,即可得到单周回归模型。最后,将所有药品零售商的销售回归模型相加拟合,即可得到药企的单周药品销售回归模型。在上述药品零售商与药企单周回归模型的基础上,DTP服务云平台预测下个时间段的药企生产量与零售商进货量;自动识别出需要补货的药品零售商,并将信息发送至制药企业和药品零售商。
与现有技术相比,本发明的优点在于:
本发明涉及的医药DTP(Direct to Patient)销售方法依托医药DTP综合管理平台,使制药企业、医院药房、零售药店、医护人员和患者更好地实现联动,减少医药产品的流通环节,实现医药从制药商直接到患者,降低医药流通成本。同时,医药DTP综合管理平台能够激发医药产业创新活力,推动医药产业服务化、生态化和智能化发展,全面提升我国医药行业的竞争力,从容应对国外大型医药公司的挑战。
基于云计算和大数据的医药DTP销售方法对DTP药房服务质量的监督作用和高端特殊药品的推广作用,有助于大大减少传统模式下的供应环节和供应时间,满足患者安全用药、经济用药和便捷用药的基本需求。医药DTP综合管理平台通过提供专业的药事服务,深化患者关怀理念与服务体验,改善医药服务水平,提升患者满意度。
本发明基于医药DTP综合管理平台,联动了制药商、医院药房、零售药店、医护人员、患者等五个主体,集成了GIS与温湿度整合技术、多引擎集成技术和多药房协同技术三项关键技术。医药DTP综合管理平台不仅可以实现医药产品从制药商直接到患者,向患者提供关怀式服务,而且运营过程中可以积累医药安全数据、医药运营数据和患者健康数据,利用大数据挖掘技术可不断发现和提升数据价值,为患者提供增值服务。
本发明首次集成GIS技术和温湿度技术,并将GIS与温湿度整合技术、多引擎集成技术和多药房协同技术集成应于药品销售、流通全流程,为药品管理提供数字化、可视化、智能化的医药冷链控制方法。
基于云计算与大数据所构建的医药DTP综合管理平台,通过物联网技术和大数据分析技术,实现患者需求与零售药店、制药企业的最优匹配。
附图说明
图1为本发明的结构示意图。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明。本发明描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的其他实施例,都属于本发明所保护的范围。
本发明旨在基于云计算和大数据,创新医药DTP销售方法,通过提供医药DTP综合管理平台软件,实现将医药安全、便捷、经济地从制药商送到患者手中,并提供具有创新性的健康关怀服务。如图1所示,医药DTP综合管理平台将有效集成制药商、医院药房、零售药店、医护人员、患者等五个主体,利用云计算+大数据技术对医药安全数据、医药运营数据和患者健康数据进行挖掘分析,不断提高制药商、医院药房、零售药店、医护人员对患者的服务质量、扩大服务范围。本发明重点开发GIS与温湿度整合技术、多引擎集成技术和多药房协同技术三项关键技术和一个医药DTP综合管理平台软件。
一种基于云计算和大数据的医药DTP销售方法其特征是:所述基于云计算和大数据分析的医药DTP销售方法,包括多药房协同技术、地理信息系统(GeographicInformation System,GIS)和温湿度整合技术、多引擎集成技术以及医药DTP综合管理平台。
a)所述多药房协同技术是基于云计算和大数据的智能化结果,将患者处方、制药企业、零售药房通过互联网信息平台实现无缝对接,实现信息共享、库存共享、即时配送的协同交付。
b)所述GIS和温湿度整合技术是基于智能分析算法,利用空间数据库引擎(Spatial Database Engine,SDE),将空间数据纳入温湿度数据库管理中,并通过时态GIS与温湿度信息纵向数据管理,实现医药追溯和医药质量安全监控。
c)所述多引擎集成技术涉及物联引擎、数联引擎和互联引擎。其中,物联引擎是依托物联网技术,以GIS数据和温湿度数据为主引擎;数联引擎是以患者端需求数据和医生端处方数据为驱动;互联引擎是针对多主体形成的各类数据进行互联互通过程中产生的信息建立互联。
d)所述医药DTP综合管理平台集成应用了GIS与温湿度集成技术、多引擎集成技术、多药房协同技术等关键技术,包含多主体、多类型大数据的管理系统,大数据分析和大数据挖掘系统,以及针对多药房协同技术的实时决策系统。同时,DTP云服务平台为具有特殊要求的用户或部门提供便捷的二次开发接口。
本发明基于云计算和大数据的医药DTP销售方法,是通过医药DTP综合管理服务平台,使患者用药需求与药房库存相匹配,药房进货需求与制药企业生产配送直接匹配,最大限度地减少了药品流通的中间环节,从而实现药品直达患者的销售方法。在保障用药安全的前提下,有效降低患者的购药成本。
所述基于云计算和大数据的医药DTP销售方法的实施方式,具体步骤包括:
(1)步骤1,药品批发。制药企业将药品基本信息(药品说明、批发价格)、销售订单信息(客户名称、订货量、发货量)、物流监控信息(批次号、地理位置、温湿度)上传至DTP服务云平台;零售药店与医院药房将商户名称、所在位置、联系方式等信息上传至DTP服务云平台。零售药店与医院药房录入药品批发信息(药品名称,制药企业名称,订货量),生成批发订单,并网上完成支付。制药企业接收到订单后,将配送药品的批次号发送给采购方。药品配送期间,采购方可依据药品批次号查询物流状态。当零售药店与医院药房接收到药品后,DTP服务云平台更新其库存信息,同时零售药店与医院药房设置该药品的零售价格。
(2)步骤2,患者就医。当患者就医后,医生将医疗机构名称(科室,医生)、医疗结构地理位置、患者基本信息、诊断结果录入该平台下的电子病历,然后在处方栏中录入药品需求信息(药品名称,药品数量)。
(3)步骤3,搜索药店或药房。在步骤2所录入的药店与药房信息的基础上,DTP服务云平台根据处方栏中的药品名称,搜索出销售该类药品的药店或者药房信息。此时,医生或患者可以依据零售价格高低或谁距离谁距离就医地点远近,对所列出的零售药店与医院药房重新排序。
(4)步骤4,取药方式与购药商户的选择。患者可选择的取药方式有两种:自取或者专业配送。如果选择患者自取,基于步骤102所显示的药品销售方信息(零售价格、地理位置),患者直接在DTP平台商勾选药品的购买商户,然后输入订单量,订单即可生成。如果选择专业配送,患者需先输入配送地址,DTP服务云平台按照与配送地址的距离远近依次显示销售该药品的商户信息。然后,患者直接在DTP平台商勾选药品的销售配送方,然后输入订单量,订单即可生成。
(5)步骤5,订单支付与取药。自取情境下,患者在订单生成后直接网上支付或者实体店取药时再支付;专业配送情境下,需要患者订单生成后网上直接支付。订单完成支付后,DTP服务云平台知会商户订单信息(患者名称、药品名称、药品数量),并提醒商户准备履行订单,待患者取药后,该平台记录所销售的药品名称与销售数量,并更新商户的库存信息,至此订单关闭。
(6)步骤6,售后服务。医生人员或患者在DTP服务云平台下设置用药提醒,患者每日用药后录入用药情况,以便医护人员随时查询。
(7)步骤7,大数据分析与预测。首先,运用时间序列分析预测法对某单店的单周销量进行预测。构建多元回归模型为y=a+bx1+cx2,其中y代表单周销量,x1代表销售时间,x2代表零售价格,a,b,c为回归系数。然后通过最小二乘法,估计单周回归系数,即可得到单周回归模型。最后,将所有药品零售商的销售回归模型相加拟合,即可得到药企的单周药品销售回归模型。在上述药品零售商与药企单周回归模型的基础上,DTP服务云平台预测下个时间段的药企生产量与零售商进货量;自动识别出需要补货的药品零售商,并将信息发送至制药企业和药品零售商。
Claims (5)
1.一种基于云计算和大数据的医药销售方法,其特征在于,包括如下步骤:
(1)药企、零售药店和医药药房进行信息上传并存储;
(2)零售药店和医药药房向药企进货并生成订单,然后将订单以及相关物流信息上传并存储;
(3)患者就医后,医生录入患者和医生信息并存储;
(4)搜索药店或药房,关联与患者所需药品相关的零售药店和医药药房;
(5)患者通过搜索结果选择自取或专业配送两种取药方式以及购药商户,如果选择自取则进入步骤(6),如果选择专业配送则进入步骤(7);
(6)通过步骤(4)中显示的与患者所需药品相关的零售药店和医药药房,患者选择需要购药的商户并通过显示的地理位置、零售价格和药品库存前往购药,并进入步骤(8);
(7)患者输入配送地址,然后根据配送地址远近选择与患者所需药品相关的零售药店和医药药房,患者选定配送的商户后生成订单并进入后续物流信息直至销售完成,并进入步骤(8);
(8)售后服务,医生录入时间和用药量设置用药提醒,患者每日用药后录入用药情况;
(9)大数据分析与预测并将结果发送至药企、零售药店和医院药房。
2.根据权利要求1所述的一种基于云计算和大数据的医药销售方法,其特征在于:所述步骤(1)中药企信息包括:药品基本信息:药品说明和批发价格;零售药店和医药药房信息包括:商户名称、所在位置、联系方式、药品名称,药品库存量和药品零售价格。
3.根据权利要求1所述的一种基于云计算和大数据的医药销售方法,其特征在于:所述步骤(2)中订单以及相关物流信息包括:销售订单信息:客户名称、订货量和发货量;物流监控信息:批次号、地理位置和温湿度;药品批发信息:药品名称,制药企业名称和订货量。
4.根据权利要求1所述的一种基于云计算和大数据的医药销售方法,其特征在于:所述步骤(3)中患者和医生信息包括:医疗机构名称、医疗机构地理位置、患者基本信息、诊断结果、药品名称和药品数量。
5.根据权利要求1所述的一种基于云计算和大数据的医药销售方法,其特征在于:所述步骤(9)中大数据分析和预测的具体步骤如下:首先,运用时间序列分析预测法对某单店的单周销量进行预测。构建多元回归模型为y=a+bx1+cx2,其中y代表单周销量,x1代表销售时间,x2代表零售价格,a,b,c为回归系数。然后通过最小二乘法,估计单周回归系数,即可得到单周回归模型。最后,将所有药品零售商的销售回归模型相加拟合,即可得到药企的单周药品销售回归模型。在上述药品零售商与药企单周回归模型的基础上,DTP服务云平台预测下个时间段的药企生产量与零售商进货量;自动识别出需要补货的药品零售商,并将信息发送至制药企业和药品零售商。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648381.7A CN110322331A (zh) | 2019-07-18 | 2019-07-18 | 一种基于云计算和大数据的医药销售方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648381.7A CN110322331A (zh) | 2019-07-18 | 2019-07-18 | 一种基于云计算和大数据的医药销售方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110322331A true CN110322331A (zh) | 2019-10-11 |
Family
ID=68123954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910648381.7A Pending CN110322331A (zh) | 2019-07-18 | 2019-07-18 | 一种基于云计算和大数据的医药销售方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110322331A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112509664A (zh) * | 2020-12-22 | 2021-03-16 | 微医云(杭州)控股有限公司 | 药房管理平台、信息处理方法、装置、设备及存储介质 |
CN113689137A (zh) * | 2021-09-06 | 2021-11-23 | 上海镁信健康科技有限公司 | 一种医保系统中的快速沟通方法 |
CN113707265A (zh) * | 2021-08-24 | 2021-11-26 | 辽宁省公卫医疗管理有限公司 | 一种医药销售商业模式 |
CN113807582A (zh) * | 2021-09-17 | 2021-12-17 | 云程科技股份有限公司 | 一种基于机器学习最优化排程算法的药企新零售管理平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7054836B2 (en) * | 2000-11-30 | 2006-05-30 | Novo Nordisk A/S | Method for assisting a customer in building a build-to-order medical device |
CN109146602A (zh) * | 2018-06-29 | 2019-01-04 | 康美药业股份有限公司 | 一种基于用户行为的售药机药品供应方法和自动售药机 |
KR101918015B1 (ko) * | 2017-11-22 | 2019-01-29 | 이인찬 | 치과 의료 정보 및 제작자 정보 제공 시스템 |
CN109325822A (zh) * | 2018-08-24 | 2019-02-12 | 康美药业股份有限公司 | 药品购买自动匹配方法、装置、电子设备及存储介质 |
CN109767157A (zh) * | 2018-12-19 | 2019-05-17 | 东南大学 | 一种基于云计算和大数据的医药销售系统 |
-
2019
- 2019-07-18 CN CN201910648381.7A patent/CN110322331A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7054836B2 (en) * | 2000-11-30 | 2006-05-30 | Novo Nordisk A/S | Method for assisting a customer in building a build-to-order medical device |
KR101918015B1 (ko) * | 2017-11-22 | 2019-01-29 | 이인찬 | 치과 의료 정보 및 제작자 정보 제공 시스템 |
CN109146602A (zh) * | 2018-06-29 | 2019-01-04 | 康美药业股份有限公司 | 一种基于用户行为的售药机药品供应方法和自动售药机 |
CN109325822A (zh) * | 2018-08-24 | 2019-02-12 | 康美药业股份有限公司 | 药品购买自动匹配方法、装置、电子设备及存储介质 |
CN109767157A (zh) * | 2018-12-19 | 2019-05-17 | 东南大学 | 一种基于云计算和大数据的医药销售系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112509664A (zh) * | 2020-12-22 | 2021-03-16 | 微医云(杭州)控股有限公司 | 药房管理平台、信息处理方法、装置、设备及存储介质 |
CN113707265A (zh) * | 2021-08-24 | 2021-11-26 | 辽宁省公卫医疗管理有限公司 | 一种医药销售商业模式 |
CN113689137A (zh) * | 2021-09-06 | 2021-11-23 | 上海镁信健康科技有限公司 | 一种医保系统中的快速沟通方法 |
CN113807582A (zh) * | 2021-09-17 | 2021-12-17 | 云程科技股份有限公司 | 一种基于机器学习最优化排程算法的药企新零售管理平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322331A (zh) | 一种基于云计算和大数据的医药销售方法 | |
CN109767157B (zh) | 一种基于云计算和大数据的医药销售系统 | |
CN102915491B (zh) | 药品短距离物流服务系统 | |
Vila-Parrish et al. | Patient-based pharmaceutical inventory management: a two-stage inventory and production model for perishable products with Markovian demand | |
CN107886398A (zh) | 自助售药管理系统及使用其进行药品销售管理的方法 | |
US20240029022A1 (en) | Systems, Methods, and Media for Managing Inventory Associated With a Facility | |
CN110097406B (zh) | 一种基于多药房协同技术的医疗服务资源优化系统 | |
JP2017142658A (ja) | 医療情報管理システム | |
CN108038773B (zh) | 一种基于多引擎集成技术的医疗健康大数据服务方法 | |
Kazemzadeh et al. | Design and analysis of a health care supply chain management | |
Zhang et al. | Kroger uses simulation-optimization to improve pharmacy inventory management | |
KR20210050084A (ko) | O2o 서비스를 기반으로 하는 의약품 유통 플랫폼 | |
Cross et al. | Revolving drug funds: conducting business in the public sector | |
Stargardt et al. | Pricing behaviour of pharmacies after market deregulation for OTC drugs: The case of Germany | |
Gould | Macrodynamic trends in health care: a distribution and retailing perspective | |
US20150371338A1 (en) | Pharmacy contribution management system and method | |
US8065160B1 (en) | Centralized pharmacy business method | |
JP2021163227A (ja) | 医薬品検索サーバおよび医薬品検索プログラム | |
Yawara et al. | Purchasing planning for pharmaceuticals inventory: a case study of drug warehouse in hospital | |
McCain | Part 1: Distribution models for biologics and other specialty pharmaceutical products: In this first of a two-part series, we examine the distribution landscape for specialty pharmaceuticals. A manufacturer’s strategy for the flow of product to patient has important implications for payers and for the success of a new biologic therapy. | |
Pervez et al. | Supply chain management of pharmaceutical products in hospitals: a case study in a privately owned tertiary level hospital | |
JP7392285B2 (ja) | 医薬品需要予測システムおよび医薬品流通システム | |
Benzekri et al. | Pharmaceutical supply chain: review of the literature. | |
JP2006276966A (ja) | 医薬品情報提供システム及び医薬品情報提供プログラム | |
Mapowo | Development of a pharmaceutical product categorization framework taxonomy for the South African public healthcare pharmaceutical supply chain—VAN enabled |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191011 |