Does drug cost drive drug adherence? The designer drug phenomenon.
Notice bibliographique
Résumé
6084 Background: Cancer patients (pts) are on many medications, both for malignancy and supportive therapies. The cost of oral medications are funded by either the pt, public, or private mechanisms. Low adherence rates are observed in oral treatments, and non-adherence is the primary cause of treatment failures. To our knowledge, cost-related adherence to oral therapy in the context of malignancy has not been studied extensively in the existing literature. We assessed the relationships between oral medication costs and adherence rates. Methods: This cohort study enrolled 453 pts at 3 outpatient heme/onc clinics in the Greater Toronto Area. A 7-item survey was designed to assess pt demographics, self-reported adherence to oral medication, type of drug coverage (private payer, public payer, self payer) and patients' perceived cost of oral drugs. Oral medications were recorded and actual monthly costs were calculated. Descriptive statistics were used to describe frequencies. Spearman Rank Order Correlations and Chi-Square Analyses were used to examine relationships between variables. Results: Of 453 pts, 50% had a private drug plan, 24% paid out of pocket, 44% had government funding and 4% reported their physician had arranged funding. 51% of pts had oral drug costs of ≥ $100/month. Self reported adherence to prescribed oral medications was 80%. As the cost of prescribed medications increased, so did self reported adherence (r=0.144, p=0.002). There was also a significant relationship between drug coverage and oral drug costs (c²=23.78, df=12, p=0.02). Pts paying out of pocket were significantly less likely than all other pts to have oral drug costs of ≥$500/month (11% vs 19%) Conclusions: As oral drug costs increase, so does likelihood of adhering to prescribed regimen. This implies that further pt education about the efficacy and importance of medications may help with adherence, regardless of cost. It is possible that pts are provided with more education regarding newer and more expensive agents than they are regarding older and cheaper agents, regardless of efficacy. Disparities observed in medication costs between those with private drug plans vs. those without suggests financial restrictions may affect prescription patterns in this group.
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 | 0,007 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».