The rise and fall of the thiazolidinediones: impact of clinical evidence publication and formulary change on the prescription incidence of thiazolidinediones.
Notice bibliographique
Résumé
BACKGROUND: Numerous factors affect drug utilization including clinical trials, promotional activity, drug safety signals and funding practices. We sought to investigate the impact of cardiovascular safety concerns and public drug formulary restrictions on the use of the thiazolidinediones (TZDs): rosiglitazone and pioglitazone. METHODS: We conducted a population-based cross-sectional time series analysis among more than 1.6 million older residents of Ontario, Canada using administrative healthcare claims databases from January 2000 to September 2010 to examine the impact of two events on the rate of initiation of TZDs among those aged 66 years and older: 1) the publication of a prominent meta-analysis suggesting cardiovascular harm for rosiglitazone, and 2) the introduction of prescribing restrictions for TZDs on the public formulary. RESULTS: Incident rosiglitazone prescribing decreased significantly from 5.32 to 0.44 prescriptions per 1,000 patients in the quarter following the publication of a meta-analysis, suggesting safety concerns for rosiglitazone (p<0.01). Similarly, incident pioglitazone prescribing continued to decline from 1.89 just prior to the publication of the meta-analysis to 0.53 prescriptions per 1,000 patients just prior to the policy implementation (p<0.01). Following the implementation of formulary restrictions for TZDs in Q2 of 2009, the rate of incident prescriptions for rosiglitazone fell further, from 0.20 prescriptions per 1,000 patients in the preceding quarter to 0.03 prescriptions per 1,000 patients in the subsequent quarter (Q3 of 2009; p<0.01). The rate of prescriptions dispensed for pioglitazone also decreased from 0.53 in Q1of 2009 to 0.11 prescriptions per 1,000 patients in Q3 of 2009 (p <0.01). CONCLUSION: Both the publication of clinical evidence and drug policy changes can significantly influence the utilization of the TZDs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,056 | 0,232 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».