The concept of the ‘percent wasted patients’ in preventive health strategies
Notice bibliographique
Résumé
PURPOSE: To better communicate the impact of poor persistence when preventive therapies are initiated, we propose a new measure that is intuitively understandable for clinicians. This measure is the percent wasted patients (PWP). METHODS: The PWP is the percentage of patients, out of the new users of a given preventive treatment, who have discontinued therapy before the time point at which clinical benefits become apparent on the cumulative incidence curves in randomized controlled trials (RCTs) comparing active treatment to placebo. To calculate the PWP, the RCTs that demonstrated the efficacy of the therapy under study must be identified from a MEDLINE search. The point at which the cumulative incidence curves for the main outcome in the experimental and placebo group start diverging is identified and is called the point of visual divergence (PVD). Then, using pharmaceutical claims databases, the percent persistence at the PVD in new users of the therapy is determined. The PWP is then calculated as 100% persistence at PVD. RESULTS: For primary prevention with statins, in the province of Quebec, the PWP is 44%. Of 100 patients starting statins for the primary prevention of coronary events, 44 will represent a waste in health resources because they will have discontinued therapy before any clinical benefit can be expected. CONCLUSIONS: The PWP is a simple measure that can be used by clinicians to select the therapies that need the most reinforcement concerning the importance of persistence.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».