Impact of Restrictive Prescription Plans on Heart Failure Medication Use
Notice bibliographique
Résumé
BACKGROUND: Prescription plans frequently use restrictive strategies to control drug expenditures. Increased restrictions may reduce access to evidence-based therapy among patients with chronic disease. We sought to evaluate the impact of increased restrictions on medication use among heart failure (HF) patients. METHODS AND RESULTS: We conducted a population-based cohort study of administrative data from 3 Canadian provinces. During 1998 to 2001, Quebec (QC) had a minimally restrictive plan, whereas Ontario (ON) and British Columbia (BC) had more restrictive prescription plans. We evaluated drug use at 30 days of discharge stratified by prescription plan. Provincial rates of filled prescriptions for HF drugs in QC, ON, and BC were 62%, 58%, and 47% for angiotensin-converting enzyme inhibitors; 34%, 22%, and 16% for beta-blockers; 9%, 5%, and 3% for angiotensin receptor blockers; and 79%, 76%, and 62% for loop diuretics, respectively. In multivariate analyses, patients residing in provinces with restrictive plans were less likely to be prescribed drugs that were restricted, such as beta-blockers (odds ratio, 0.53; 95% CI, 0.46 to 0.60; 0.36, 0.29 to 0.44, for ON and BC, respectively) and angiotensin receptor blockers (0.50, 0.45 to 0.56; 0.38, 0.32 to 0.46, for ON and BC, respectively), than drugs with no restrictions, such as loop diuretics (0.81, 0.74 to 0.88; 0.40, 0.36 to 0.45, for ON and BC, respectively) and angiotensin-converting enzyme inhibitors (0.80, 0.75 to 0.86; 0.47, 0.43 to 0.52, for ON and BC, respectively). CONCLUSIONS: Among HF patients, residing in a province with a more restrictive prescription plan may be associated with lower use of restricted HF medications over and above the expected regional differences in HF drug use across provinces.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».