Effects of Use of Specialty Services on Disease-Modifying Antirheumatic Drug Use in the Treatment of Rheumatoid Arthritis in an Insured Elderly Population
Notice bibliographique
Résumé
BACKGROUND: In community settings, disease-modifying antirheumatic drug (DMARD) use for rheumatoid arthritis (RA) falls short of treatment recommendations. This population-based study investigates the relationship between the use of DMARDs and specialty care in an insured population. METHOD: A cohort of individuals aged 65 or older with RA was identified from a population-based physician billing database in Ontario, Canada, together with information on visit rates to general and specialist physicians and visit-specific diagnoses. DMARD prescription data were obtained from the Ontario Drug Benefits Plan database. The proportions of individuals with RA using DMARDs and specialist care were calculated for the 43 counties in Ontario, and the relationship between the 2 was determined using logistic multilevel modeling, controlling for possible confounders. RESULTS: A total of 13,698 RA individuals aged 65 or older were identified, representing 1% of the 65-or-older population. Within this cohort, 58% received DMARDs and 68% made 1 or more RA-related visits to a specialist in 3 years. There was considerable variation by county in both the proportion of those with RA making visits to specialists (39-82 per 100 RA population) and receiving DMARDs (36-81%). The use of DMARDs was significantly associated with the use of specialist services by individuals with RA (odds ratio 1.9 [95% confidence interval 1.87, 1.88] for counties with highest versus lowest proportional use of specialists) independent of effects of age, sex, income, and comorbidities. CONCLUSION: Even in a universally funded setting, suboptimal treatment of RA is associated with lack of access to specialist services. These findings are likely applicable to many jurisdictions worldwide.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».