Recent Trends in Medication Usage for the Treatment of Juvenile Idiopathic Arthritis and the Influence of Tumor Necrosis Factor Inhibitors
Notice bibliographique
Résumé
OBJECTIVE: Using administrative data from a large commercial US health insurer, we investigated temporal trends in medication use among children diagnosed with juvenile idiopathic arthritis (JIA). METHODS: Children with ≥ 1 physician diagnosis code for JIA in the calendar years 2005 through 2012 were included. Use of tumor necrosis factor inhibitors (TNFi), methotrexate (MTX), nonsteroidal antiinflammatory drugs (NSAID), and oral glucocorticoids (GC) was determined. Temporal changes in medication usage were evaluated with the Cochran-Armitage test for trend. We used paired t-tests to evaluate the use of NSAID and GC in the 6 months before and after new TNFi use. RESULTS: We identified 4261 unique individuals with JIA. The proportion of patients receiving TNFi increased from 8.7% in 2005 to 22.4% in 2012 (p < 0.0001). MTX use increased from 18.4% to 23.2% (p = 0.02). NSAID use decreased from 49% to 40% (p = 0.02). GC use was relatively unchanged. Following new TNFi use, the mean number of NSAID prescriptions (among prevalent users) decreased from 2.8 to 2.0 (p < 0.0001), and the mean daily GC dose (among prevalent users) decreased from 7.3 mg/day to 3.9 mg/day (p < 0.0001). Many new TNFi users (57%) had not used MTX in the previous 6 months, and only 37% had any concurrent MTX use in the 6 months following new TNFi use. CONCLUSION: TNFi use in the treatment of JIA increased 2- to 3-fold over the last 8 years. New TNFi use was associated with decreased NSAID and GC use. TNFi may be replacing, rather than complementing, MTX in the treatment of many patients.
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 | 0,002 | 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 | 0,001 |
| 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 ».