Abstract 16923: The Impact of the Publication of Cardiovascular Safety Signals on the Prescribing of Varenicline: an Interrupted Time-Series Analysis
Notice bibliographique
Résumé
Introduction: Concerns regarding the cardiovascular safety of varenicline, a smoking cessation drug, arose following the publication of a meta-analysis of randomized controlled trials in July 2011. The impact of this safety signal on the prescribing patterns of varenicline remains unknown. Hypothesis: Our hypothesis was that the reported increased risk of adverse cardiovascular events resulted in a decreased prescription rate of varenicline. Methods: This study was conducted using the Clinical Practice Research Datalink, a large primary care database from the United Kingdom (UK). An interrupted time-series analysis using segmented auto-regression was conducted to compare varenicline prescribing patterns in the pre-publication (January 2007-June 2011) and post-publication (July 2011-December 2012) study periods. The fitted model was used to estimate the predicted rate that would have been observed in the post-publication period in the absence of the published safety signal. Results: In the pre-publication period, the estimated prescription rate of varenicline increased by 27.4 (95% CI = 17.0, 37.7) prescriptions per month per 100,000 person-years (PYs), resulting in a rate of 2,464 prescriptions per 100,000 PYs in June 2011. The safety signal resulted in an estimated drop in the prescription rate of 513.4 (95% CI = -1020.9, -5.9) prescriptions per 100,000 PYs, representing a 21% decrease in the estimated prescription rate (R 2 = 0.82). In the post-publication period, there was a change in direction in the trend, with the prescription rate decreasing by 42.4 prescriptions per month per 100,000 PYs (95% CI = -92.9, 8.1) during this period. The differences between the observed and predicted rates are shown in the Figure. Conclusions: The publication of the meta-analysis suggesting an increased risk of adverse cardiovascular events associated with its use resulted in a significant decrease in the prescription rate of varenicline in the UK.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,076 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».