Abstract 152: Adherence to Rivaroxaban versus Apixaban Among Patients With Atrial Fibrillation: Analysis of Overall Population and Subgroups of Prior Oral Anticoagulant Users
Notice bibliographique
Résumé
Background: Medication nonadherence predicts poor outcomes among patients with non-valvular atrial fibrillation (NVAF). Understanding differences in adherence rates among non-vitamin K oral anticoagulants (NOACs) could guide treatment decisions, promote adherence and improve clinical outcomes. Objective: To compare adherence to rivaroxaban and apixaban among the overall NVAF population and subgroups at higher risk for adverse clinical outcomes (e.g., prior OAC use, multiple comorbidities, and with risk factors for nonadherence). Methods: Using healthcare claims from the Truven Health Analytics MarketScan database from 7/2012-7/2015, adult patients with 2 dispensings of rivaroxaban or apixaban at least 180 days apart, with > 60 days of supply, ≥ 6 months of pre- and post-index eligibility, ≥ 2 atrial fibrillation diagnoses pre- or post-index, and without valvular involvement were identified. Propensity score methods were used to create matched cohorts of rivaroxaban and apixaban patients, adjusting for demographics, risk factors for nonadherence (e.g., bipolar, anxiety), previous OAC use, and clinical characteristics. Adherence was assessed using the percentage of patients with proportion of days covered ≥0.8 at 6 months. Subgroups of patients with prior OAC use, prior OAC use and a Quan-Charlson Comorbidity index ≥2, and prior OAC use with/without nonadherence risk factors were evaluated. Results: 14,635 NVAF subjects were included in each of 2 matched cohorts. All baseline characteristics were balanced between cohorts. At 6 months, significantly more rivaroxaban users were adherent to treatment as compared to apixaban users (82.4% vs 78.5%; absolute difference of 3.9%; P<0.01). Rivaroxaban users had significantly higher adherence rates in all subgroups examined with prior OAC agents (Figure). Conclusion: Rivaroxaban users had consistently higher adherence rates than apixaban users overall and among all NVAF subgroups examined.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».