Abstract 015: Importance of Balanced Follow-up Time and Other Study Design Considerations When Evaluating Adherence Using Two Novel Oral Anticoagulants
Notice bibliographique
Résumé
Background: Medication adherence rates decline over time, especially after the first dispensing. Comparing adherence rates for medications that have been on the market for differing period of time may distort real differences in medication adherence. Other analysis factors such as minimum number of dispensing criteria and Pharmacy Quality Alliance (PQA) adherence measures can also affect adherence measurement. Objectives: To use one real world example (rivaroxaban vs apixaban) in non-valvular atrial fibrillation (NVAF) patients to quantify the impact of adjusting for imbalances in follow-up periods, minimum number of dispensing, and use of the PQA adherence measure. Methods: Using IMS Health Real-World Data Adjudicated Claims and Truven MarketScan claims databases, we included adult patients with ≥1 rivaroxaban or apixaban dispensing (index date), ≥1 year of pre-index eligibility, ≥1 AF diagnosis pre-index, newly initiated on oral anticoagulant therapy, and no valvular involvement. Adherence was evaluated using proportion of days covered (PDC) ≥0.8 for cohorts with (1) unbalanced follow-up (2) balanced follow-up (by matching on month and year of follow-up since fill-date) (3) ≥2 rivaroxaban or apixaban dispensings and a balanced follow-up, and using (4) the PQA adherence measure. Results: Rivaroxaban users had significantly longer mean (SD) follow-up than apixaban (408 [300] versus 254 [196] days, respectively). While apixaban users appeared to be more adherent in unadjusted analyses, this finding was reversed after 1) adjusting for unbalanced follow-up 2) excluding single-time users; and 3) applying the PQA-endorsed adherence measure (Figure). Similar results were found using the Truven databases. Conclusion: Comparisons of the adherence rates among medications need to account for the period of time each have been on the market, number of dispensing and PQA measures. Retrospective analyses of adherence that do not adjust for such differences could produce spurious findings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».