MétaCan
Menu
Retour à la cohorte
Enregistrement W2157452732 · doi:10.1001/jama.285.4.421

Adverse Events Associated With Prescription Drug Cost-Sharing Among Poor and Elderly Persons

2001· article· en· W2157452732 sur OpenAlexaffabout
Robyn Tamblyn

Notice bibliographique

RevueJAMA · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensRoyal Victoria Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionCost sharingPrescription drugWelfareAdverse effectEmergency departmentDeductibleConfidence intervalDrugEmergency medicineCohortEnvironmental healthPediatricsInternal medicinePsychiatryActuarial sciencePharmacologyNursing

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Rising costs of medications and inequities in access have sparked calls for drug policy reform in the United States and Canada. Control of drug expenditures by prescription cost-sharing for elderly persons and poor persons is a contentious issue because little is known about the health impact in these subgroups. OBJECTIVES: To determine (1) the impact of introducing prescription drug cost-sharing on use of essential and less essential drugs among elderly persons and welfare recipients and (2) rates of emergency department (ED) visits and serious adverse events associated with reductions in drug use before and after policy implementation. DESIGN AND SETTING: Interrupted time-series analysis of data from 32 months before and 17 months after introduction of a prescription coinsurance and deductible cost-sharing policy in Quebec in 1996. Separate 10-month prepolicy control and postpolicy cohort studies were conducted to estimate the impact of the drug reform on adverse events. PARTICIPANTS: A random sample of 93 950 elderly persons and 55 333 adult welfare medication recipients. MAIN OUTCOME MEASURES: Mean daily number of essential and less essential drugs used per month, ED visits, and serious adverse events (hospitalization, nursing home admission, and mortality) before and after policy introduction. RESULTS: After cost-sharing was introduced, use of essential drugs decreased by 9.12% (95% confidence interval [CI], 8.7%-9.6%) in elderly persons and by 14.42% (95% CI, 13.3%-15.6%) in welfare recipients; use of less essential drugs decreased by 15.14% (95% CI, 14.4%-15.9%) and 22.39% (95% CI, 20.9%-23.9%), respectively. The rate (per 10 000 person-months) of serious adverse events associated with reductions in use of essential drugs increased from 5.8 in the prepolicy control cohort to 12.6 in the postpolicy cohort in elderly persons (a net increase of 6.8 [95% CI, 5.6-8.0]) and from 14.7 to 27.6 in welfare recipients (a net increase of 12.9 [95% CI, 10.2-15.5]). Emergency department visit rates related to reductions in the use of essential drugs also increased by 14.2 (95% CI, 8.5-19.9) per 10 000 person-months in elderly persons (prepolicy control cohort, 32.9; postpolicy cohort, 47.1) and by 54.2 (95% CI, 33.5-74.8) among welfare recipients (prepolicy control cohort, 69.6; postpolicy cohort, 123.8). These increases were primarily due to an increase in the proportion of recipients who reduced their use of essential drugs. Reductions in the use of less essential drugs were not associated with an increase in risk of adverse events or ED visits. CONCLUSIONS: In our study, increased cost-sharing for prescription drugs in elderly persons and welfare recipients was followed by reductions in use of essential drugs and a higher rate of serious adverse events and ED visits associated with these reductions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,152
Score d'incertitude au seuil0,302

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,028
Tête enseignante GPT0,273
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations883
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMAMême sujetMedication Adherence and ComplianceTravaux en français237 207