MétaCan
Menu
Retour à la cohorte
Enregistrement W2116082688

How does direct-to-consumer advertising (DTCA) affect prescribing? A survey in primary care environments with and without legal DTCA.

2003· article· en· W2116082688 sur OpenAlexaffabout
Barbara Mintzes, Morris L. Barer, Richard L. Kravitz, Ken Bassett, Joel Lexchin, Arminée Kazanjian, Robert G. Evans, Richard Pan, Stephen A. Marion

Notice bibliographique

RevuePubMed · 2003
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionFamily medicineMedicineDirect-to-consumer advertisingOdds ratioAffect (linguistics)OddsPrimary careConfidence intervalNursingPsychologyInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Direct-to-consumer advertising (DTCA) of prescription drugs has increased rapidly in the United States during the last decade, yet little is known about its effects on prescribing decisions in primary care. We compared prescribing decisions in a US setting with legal DTCA and a Canadian setting where DTCA of prescription drugs is illegal, but some cross-border exposure occurs. METHODS: We recruited primary care physicians working in Sacramento, California, and Vancouver, British Columbia, and their group practice partners to participate in the study. On pre- selected days, patients aged 18 years or more completed a questionnaire before seeing their physician. We asked these patients' physicians to complete a brief questionnaire immediately following the selected patient visit. By pairing individual patient and physician responses, we determined how many patients had been exposed to some form of DTCA, the frequency of patients' requests for prescriptions for advertised medicines and the frequency of prescriptions that were stimulated by the patients' requests. We measured physicians' confidence in treatment choice for each new prescription by asking them whether they would prescribe this drug to a patient with the same condition. RESULTS: Seventy-eight physicians (Sacramento n = 38, Vancouver n = 40) and 1431 adult patients (Sacramento n = 683, Vancouver n = 748), or 61% of patients who consulted participating physicians on pre-set days, participated in the survey. Exposure to DTCA was higher in Sacramento, although 87.4% of Vancouver patients had seen prescription drug advertisements. Of the Sacramento patients, 7.2% requested advertised drugs as opposed to 3.3% in Vancouver (odds ratio [OR] 2.2, 95% confidence interval [CI] 1.2-4.1). Patients with higher self- reported exposure to advertising, conditions that were potentially treatable by advertised drugs, and/or greater reliance on advertising requested more advertised medicines. Physicians fulfilled most requests for DTCA drugs (for 72% of patients in Vancouver and 78% in Sacramento); this difference was not statistically significant. Patients who requested DTCA drugs were much more likely to receive 1 or more new prescriptions (for requested drugs or alternatives) than those who did not request DTCA drugs (OR 16.9, 95% CI 7.5-38.2). Physicians judged 50.0% of new prescriptions for requested DTCA drugs to be only "possible" or "unlikely" choices for other similar patients, as compared with 12.4% of new prescriptions not requested by patients (p < 0.001). INTERPRETATION: Our results suggest that more advertising leads to more requests for advertised medicines, and more prescriptions. If DTCA opens a conversation between patients and physicians, that conversation is highly likely to end with a prescription, often despite physician ambivalence about treatment choice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,200
Tête enseignante GPT0,407
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations262
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPharmaceutical industry and healthcareTravaux en français237 207