Biologic Disease-modifying Drug Treatment Patterns and Associated Costs for Patients with Rheumatoid Arthritis
Notice bibliographique
Résumé
OBJECTIVE: To assess the influence of biologic treatment patterns on healthcare costs for patients with rheumatoid arthritis (RA) initiating tumor necrosis factor-α (TNF-α) antagonist therapy. METHODS: Patients with 2 RA diagnoses (International Classification of Diseases, 9th ed, 714.xx), and without psoriasis or Crohn's disease, were identified in a US employer-based insurance claims database. A sample of 2545 was constructed based on an index event of initiating TNF-α antagonist therapy and 30 months of continuous enrollment. Baseline characteristics were assessed in the 6-month pre-index period and treatment patterns were determined during the 12-month post-index period. Medical service and prescription drug costs were analyzed for Months 13-24 using multivariate regression analysis to control for baseline characteristics and time-varying confounding associated with treatment and disease severity. RESULTS: In the first year after TNF-α initiation, 89% used a single TNF-α antagonist; only 9% and 2% had switched TNF-α antagonists or received non-TNF biologic disease-modifying antirheumatic drugs, respectively. Descriptive analyses revealed pairwise differences between groups (p < 0.05) in baseline characteristics (comorbidities, RA-related procedure use, and prescription drug use). Controlling for observed baseline characteristics, costs were greater for those treated with multiple vs single TNF-α antagonists: annual RA-related prescription drug costs ($8,340 vs $7,058; p = 0.012), RA-related healthcare costs ($15,048 vs $13,312; p = 0.008), and total healthcare costs ($26,697 vs $21,381; p < 0.001). CONCLUSION: In this sample, the majority of patients with RA were treated with a single TNF-α antagonist over the first year on therapy. For those who switched therapy, Year 2 RA-related and total direct healthcare costs were higher, adjusting for claims-based measures of RA disease severity.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».