Cost-sharing effects on adherence and persistence for second-generation antipsychotics in commercially insured patients.
Notice bibliographique
Résumé
PURPOSE: To assess the relationship between patient cost-sharing (e.g., copayments or coinsurance) and adherence and persistence to second-generation (atypical) antipsychotic (SGA) medications. DESIGN AND METHODOLOGY: A retrospective, observational study of adults aged 18-64 years with schizophrenia or bipolar disorder (n = 7,910) who initiated SGA medications with employer-sponsored insurance in the 2003-2006 MarketScan Commercial Claims and Encounters Database. Adherence was defined as percent of days covered in each calendar quarter. Persistence was defined as days from initiation of SGA to the first 90-day gap in medication on-hand. Generalized Estimating Equations were used to determine the effects of cost-sharing on adherence to SGA medications based on patient-quarter data. A Cox proportional hazards model with patient cost-sharing as a time-varying covariate estimated the effects on persistence with SGA medication. PRINCIPAL FINDINGS: Higher cost-sharing was associated with a lower likelihood of adherence. When compared to plans with cost-sharing below $10, adherence rates were approximately 27% lower for patients in plans with SGA cost-sharing of $50 and above and about 10% lower for patients in plans with cost-sharing between $30 and $50. In both cases, the reduction in adherence was significant. Higher cost-sharing was also associated with a shorter time to discontinuation (HR: 1.028; 95% CI [1.006-1.051]). CONCLUSION: High SGA cost-sharing appears to be a financial barrier to SGA medication compliance, especially when cost-sharing levels exceeded $30. Our findings have implications for health plans, employers, and policymakers who have, or are, contemplating establishing cost-sharing tiers for SCA medications for commercially insured patients with serious mental illnesses.
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 ».