Can We Rely on Pharmacy Claims Databases to Ascertain Maternal Use of Medications during Pregnancy?
Notice bibliographique
Résumé
BACKGROUND: Administrative databases are increasingly used to measure drug exposure in perinatal pharmacoepidemiology. We aimed to estimate the concordance between records of prescriptions filled in pharmacies and self-reported drug use during pregnancy. METHODS: Data on self-reported medication use were collected at each trimester of pregnancy among a sub-sample from the Organization of Teratology Information Specialists Antidepressants in Pregnancy Cohort. Women were eligible if they were Quebec resident and provided their pharmacist's contact information. Maternal self-reports were compared with prescriptions filled in pharmacies, which are transferred to pharmaceutical services files of Quebec provincial health plan database (Régie de l'asssurance maladie du Québec). Positive and negative predictive values (PPV and NPV) for medications taken chronically (antidepressants, thyroid hormones), acutely (antibiotics), and as needed (antiemetics, asthma medications) were calculated. RESULTS: Among the 93 participants (mean age = 30.2 ± 3.8 years), 41.9% (n = 39) took at least one antidepressant during pregnancy according to self-reports, and 39.8% (n = 37) according to pharmacy records. Other commonly used drugs were antiemetics (self-reported 22.6%, pharmacy record 24.7%), antibiotics (20.4%, 16.1%), asthma medications (15.1%, 15.1%), and thyroid hormones (10.8%, 8.6%). PPVs and NPVs were: (1) chronic medication: antidepressants PPV = 100% (95% confidence interval [CI], 100-100%), NPV = 96% (95% CI, 92-100%); thyroid hormones PPV = 100% (95% CI, 100-100%), NPV = 98% (95% CI, 95-100%); (2) Acute medication: antibiotics PPV = 87% (95% CI, 70-100%), NPV = 92% (95% CI, 86-98%); (3) as needed medications: antiemetics: PPV = 78% (95% CI, 62-95%), NPV = 96% (95% CI, 91-100%); asthma: PPV = 33% (95% CI, 3-64%), NPV = 99% (95% CI, 97-100%). CONCLUSION: The high PPV and NPV validate the use of filled prescription data in large databases as a measure of medication exposure. Birth Defects Research 109:423-431, 2017. © 2017 Wiley Periodicals, Inc.
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 | 0,050 | 0,282 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».