Prescribing patterns and adherence to medication among South‐Asian, Chinese and white people with Type 2 diabetes mellitus: a population‐based cohort study
Notice bibliographique
Résumé
AIM: To determine the prescribing of and adherence to oral hypoglycaemic agents, insulin, angiotensin-converting enzyme inhibitors, angiotensin receptor blockers and statin therapy among South-Asian, Chinese and white people with newly diagnosed diabetes. METHODS: The present study was a population-based cohort study using administrative and pharmacy databases to include all South-Asian, Chinese and white people aged ≥ 35 years with diabetes living in British Columbia, Canada (1997-2006). Adherence to each class of medication was measured using proportion of days covered over 1 year with optimum adherence defined as ≥ 80%. RESULTS: The study population included 9529 South-Asian, 14 084 Chinese and 143 630 white people with diabetes. The proportion of people who were prescribed angiotensin-converting enzyme inhibitors, angiotensin receptor blockers, statin or oral hypoglycaemic agents was ≤ 50% for all groups. South-Asian and Chinese people had significantly lower adherence for all medications than white people, with the lowest adherence to angiotensin-converting enzyme inhibitor treatment (South-Asian people: adjusted odds ratio 0.37, 95% CI 0.34-0.39; P<0.0001; Chinese people: adjusted odds ratio 0.50, 95% CI 0.47-0.54; P<0.0001) and statin therapy (South-Asian people: adjusted odds ratio 0.47, 95% CI 0.41 - 0.53, P < 0.0001; Chinese people: adjusted odds ratio 0.72, 95% CI 0.67 - 0.77; P<0.0001) compared with white people. CONCLUSION: Adherence to evidence-based pharmacotherapy was substantially worse among the South-Asian and Chinese populations. Care providers need to be alerted to the high levels of non-adherence in these groups and the underlying causes need to be investigated.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».