Lost in Translation: Exposure Misclassification when Relying on Days Supply in Pharmacy Claims Data
Notice bibliographique
Résumé
Administrative pharmacy claims data are frequently utilized in pharmacoepidemiology. Days supply values are the most commonly used to estimate drug exposure. This research investigated the potential for exposure misclassification when relying on days supply values to quantify drug adherence and estimate drug effectiveness. With scheduled long-dose intervals, osteoporosis drugs provided a unique case example to examine the potential for misclassified days supply values. Using Ontario administrative claims data, three independent, yet related studies were completed. First, a cross-sectional study of all osteoporosis medications dispensed in Ontario identified potential inaccuracies in days supply values, particularly in long-term care (LTC), where only 59% of days supply values matched pre-defined expected values. In comparison, 90% of community prescriptions matched the expected. Next, two cohort studies were completed to investigate the potential impact of the noted variation in days supply reporting on measures of medication adherence (Study Two) and drug effectiveness (Study Three). To adjust for misclassification, dose-specific cleaning algorithms were developed based on the identification of logical typos and refill patterns, resulting in two values that could be compared; the observed and cleaned days supply. Measures of compliance and persistence were used to identify patient adherence, and were calculated using the observed and cleaned days supply. Results in Study Two identified that data cleaning significantly increased estimates of drug adherence, particularly among LTC residents, where mean compliance increased from 59% to 83% and proportion persisting with therapy increased from 62% to 78%. In the third study, Cox proportional hazard models were used to estimate the relationship between compliance and hip fractures. Results identified important differences in effect estimates following data cleaning, particularly in LTC, where a significant 35% (HRobserved=0.99 to HRcleaned=0.65) change in hazard ratio estimates was observed for the effect of high compliance on fracture risk. Overall, results identified larger differences in LTC settings where exposure was most likely to be misclassified; however, important differences were identified when all patients were combined. Cumulatively, the findings of this thesis have important methodological implications for pharmacoepidemiologic research, and will inform best practices when using days supply values.
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 | 0,140 | 0,447 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».