Trends in Medication Usage in Juvenile Idiopathic Arthritis: Prescribing Trends or Trends in Prescribers?
Notice bibliographique
Résumé
The International League of Associations for Rheumatology classification of juvenile idiopathic arthritis (JIA) defines 7 categories1 that represent diverse phenotypes, differing biology, and widely divergent disease courses. Treatment strategies differ between JIA categories; however, little is known about how recent treatment guidelines are interpreted and used by clinicians in routine patient care. In this issue of The Journal , Mannion, et al address an important gap in knowledge. These researchers obtained administrative data from a national US commercial insurer, representing about 8 million individuals across all 50 US states2. They examined diagnoses and prescriptions written over an 8-year period between 2005 and 2012, determining trends in medication usage for JIA. In particular, they focused on treatments prescribed following the introduction and increased uptake of the anti-tumor necrosis factor-α (anti-TNF-α) biologics. Healthcare researchers using administrative databases are able to examine large volumes of anonymized data, with the possibility of population-based research without individual recruitment and consent. In the current study, insurance diagnosis and prescription claims were used to identify patients with JIA. Their lenient diagnosis for JIA required only 1 JIA diagnostic code within 1 calendar year, with patients requalifying in the prevalence estimate each year. Although multiple validation studies of rheumatoid arthritis (RA) have demonstrated greater specificity when a greater number of encounters were required3,4, in this case the researchers increased the specificity of the claims diagnosis by studying patients who received prescriptions for disease-modifying antirheumatic drugs (DMARD) and biologics. In fact, the prevalence of JIA in the studied population was likely not greatly overestimated. If the covered individuals reflected the US population, then 24% (1.92 million) were < 18 years old, and the 500 to 1000 patients with JIA identified within each calendar year represent a yearly prevalence of less … Address correspondence to Dr. Levy. E-mail: deborah.levy{at}sickkids.ca
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».