Evaluating the introduction of a computerized prior‐authorization system on the completeness of drug exposure data
Notice bibliographique
Résumé
PURPOSE: Administrative databases that only capture records for benefit-approved prescriptions may underestimate exposure because they do not capture non-benefit prescriptions. Using a natural experiment, we illustrate the impact of automating a prior-authorization policy on the completeness of drug exposure. METHODS: Using Saskatchewan (Canada) databases, weekly counts of benefit-approved and total prescription records in 2006 for new users of antidiabetic agents were examined across four categories: thiazolidinediones (TZDs), metformin, glyburide, and insulin. On July 1, 2006, Saskatchewan's public drug plan implemented an automated, online-adjudicated, prior-authorization process for TZDs; previously, prior approval was paper based. No such policy changes occurred for other drugs. We estimated the effect of this policy change on drug exposure using interrupted time-series analyses. RESULTS: We examined 223 552 prescription records: 19% were for TZDs, 48% for metformin, 20% for glyburide, and 13% for insulin. Prior to automation, there were, on average, 571 benefit-approved TZD records per week; however, the number of benefit-approved TZD records increased immediately after the automated process was introduced by 240 prescriptions per week (95% CI 200-280, p < 0.001). The average proportion of TZD benefit-approved records was 73% before and increased to 93% immediately following policy change (20% absolute change, 95% CI 18.7-20.4%). No changes were observed for metformin, glyburide, or insulin (p > 0.1 for all). CONCLUSIONS: Automating prior authorization for TZDs immediately increased the proportion of captured TZD records, suggesting in our study that one-fifth of TZD exposure was previously misclassified. If replicable, this indicates that even subtle changes in reimbursement policy may affect the validity of drug exposure data.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».