Impact of Drug Policy on Regional Trends in Ezetimibe Use
Notice bibliographique
Résumé
BACKGROUND: Ezetimibe use has steadily increased in Canada during the past decade even in the absence of evidence demonstrating a beneficial effect on clinical outcomes. Among the 4 most populated provinces in Canada, there is a gradient in the restrictiveness of ezetimibe in public-funded formularies (most to least strict: British Columbia, Alberta, Quebec, and Ontario). The effect of formulary policy on the use of ezetimibe over time is unknown. METHODS AND RESULTS: We conducted a population-level cohort study using Intercontinental Marketing Services Health Canada's data from June 2003 to December 2012 to examine ezetimibe use in these 4 provinces to better understand the association between use and formulary restrictiveness. We found regional variations in the patterns of ezetimibe use. From June 2003 to December 2012, British Columbia (most restrictive) had the lowest monthly increasing rate from $261 to $21 926 ($190/100 000 population/mo), whereas Ontario (least restrictive) had the most rapid monthly increase from $223 to $74 030 ($ 647/100 000 population/mo), and Quebec from $130 to $59 690 ($522/100 000 population/mo) and Alberta from $356 to $ 37 604 ($327/100 000 population/mo) were intermediate (P<0.001). CONCLUSIONS: Ezetimibe use remains common, increasing during the past decade. Use steadily increased in provinces with the most lenient formularies. In contrast, use was lower, plateauing since 2008 in British Columbia and Alberta, which have more restrictive formularies. The gradient in ezetimibe use was related to variability in restrictiveness of the provincial formularies, illustrating the potential of a policy response gradient that may be used to more effectively manage medication use.
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 | 0,001 |
| 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 ».