MétaCan
Menu
Retour à la cohorte
Enregistrement W2617020364 · doi:10.18553/jmcp.2017.23.6.633

The Direct Cost of Managing a Rare Disease: Assessing Medical and Pharmacy Costs Associated with Duchenne Muscular Dystrophy in the United States

2017· article· en· W2617020364 sur OpenAlexaff
Sarah Thayer, Christopher F. Bell, Craig M. McDonald

Notice bibliographique

RevueJournal of Managed Care & Specialty Pharmacy · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensTellabs (Canada)
Organismes subventionnairesPTC TherapeuticsSarepta TherapeuticsGlaxoSmithKlineEli Lilly and Company
Mots-clésMedicineDuchenne muscular dystrophyDiagnosis codeCohortPharmacyHealth careCohort studyMedical prescriptionEmergency medicinePediatricsFamily medicineInternal medicinePopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A Duchenne muscular dystrophy (DMD) cohort was identified using a claims-based algorithm to estimate health care utilization and costs for commercially insured DMD patients in the United States. Previous analyses have used broad diagnosis codes that include a range of muscular dystrophy types as a proxy to estimate the burden of DMD. OBJECTIVE: To estimate DMD-associated resource utilization and costs in a sample of patients identified via a claims-based algorithm using diagnosis codes, pharmacy prescriptions, and procedure codes unique to DMD management based on DMD clinical milestones. METHODS: DMD patients were selected from a commercially insured claims database (2000-2009). Patients with claims suggestive of a non-DMD diagnosis or who were aged 30 years or older were excluded. Each DMD patient was matched by age, gender, and region to controls without DMD in a 1:10 ratio (DMD patients n = 75; controls n = 750). All-cause health care resource utilization, including emergency department, inpatient, outpatient, and physician office visits, and all-cause health care costs were examined over a minimum 1-year period. Costs were computed as total health-plan and patient-paid amounts of adjudicated medical claims (in annualized U.S. dollars). RESULTS: The average age of the DMD cohort was 13 years. Patients in the DMD cohort had a 10-fold increase in health care costs compared with controls ($23,005 vs. $2,277, P < 0.001). Health care costs were significantly higher for the DMD cohort across age strata and, in particular, for DMD patients aged 14-29 years ($40,132 vs. $2,746, P < 0.001). CONCLUSIONS: In the United States, resource use and medical costs of DMD are substantial and increase with age. DISCLOSURES: Funding for this study (GHO-10-4441) was provided by GlaxoSmithKline (GSK). Optum was contracted by GSK to conduct the study. Thayer was an employee of Optum Health Economics and Outcomes Research at the time of this study and was not compensated for her participation as an author of this manuscript. Bell is an employee and shareholder of GSK. McDonald has been a consultant for GSK, Sarepta, PTC Therapeutics, Biomarin, and Catabasis on clinical trials regarding Duchenne muscular dystrophy clinical trial design, endpoint selection, and data analysis; Mitobridge for drug development; and Eli Lilly as part of a steering committee for clinical trials. Study concept and design were contributed primarily by Bell, along with Thayer and McDonald. Thayer collected the data, and data interpretation was performed by Thayer and Bell, along with McDonald. The manuscript was written by Thayer and Bell, along with McDonald, and revised by all the authors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,419
Score d'incertitude au seuil0,414

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,316
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Managed Care & Specialty PharmacyMême sujetMuscle Physiology and DisordersTravaux en français237 207