The Impact of Drug Reimbursement Policy on Rates of Testosterone Replacement Therapy among Older Men
Notice bibliographique
Résumé
BACKGROUND: Despite a lack of data describing the long-term efficacy and safety of testosterone replacement therapy (TRT), prescribing of testosterone to older men has increased with the availability of topical formulations. The magnitude of this increase and the impact of formulary restrictions on testosterone prescribing are poorly characterized. METHODS: We conducted a time series analysis using the linked health administrative records of men aged 66 years or older in Ontario, Canada between January 1, 1997 and March 31, 2012. We used interventional autoregressive integrated moving average models to examine the impact of a restrictive drug reimbursement policy on testosterone prescribing and examined the demographic profile of men initiating testosterone in the final 2 years of the study period. RESULTS: A total of 28,477 men were dispensed testosterone over the study period. Overall testosterone prescribing declined 27.9% in the 6 months following the implementation of the restriction policy (9.5 to 6.9 men per 1000 eligible; p<0.01). However, the overall decrease was temporary and testosterone use exceeded pre-policy levels by the end of the study period (11.0 men per 1000 eligible), largely driven by prescriptions for topical testosterone (4.8 men per 1000 eligible). Only 6.3% of men who initiated testosterone had a documented diagnosis of hypogonadism, the main criteria for TRT reimbursement according to the new policy. CONCLUSION: Government-imposed restrictions did not influence long-term prescribing of testosterone to older men. By 2012, approximately 1 in every 90 men aged 66 or older was being treated with TRT, most with topical formulations.
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 | 0,000 | 0,000 |
| 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 ».