MétaCan
Menu
Retour à la cohorte
Enregistrement W2621159104 · doi:10.1186/s12888-017-1358-3

Adherence, healthcare resource utilization and Medicaid spending associated with once-monthly paliperidone palmitate versus oral atypical antipsychotic treatment among adults recently diagnosed with schizophrenia

2017· article· en· W2621159104 sur OpenAlexaff
Erik Muser, Patrick Lefèbvre, Rhiannon Kamstra, Bruno Émond, Kruti Joshi

Notice bibliographique

RevueBMC Psychiatry · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesJanssen Scientific Affairs
Mots-clésPaliperidone PalmitateMedicinePaliperidoneMedicaidRisperidoneAntipsychoticSchizophrenia (object-oriented programming)PopulationInternal medicinePsychiatryEmergency medicineHealth careEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Once-monthly paliperidone palmitate (PP1M) is a long-acting injectable antipsychotic that may increase adherence rates, reduce hospitalizations, and lower medical costs compared to oral atypical antipsychotics (OAAs) among schizophrenia patients. However, the impact of PP1M in recently diagnosed patients remains unknown. The present study compared adherence, healthcare resource utilization and Medicaid spending between schizophrenia patients initiating PP1M versus OAA, among patients recently diagnosed (defined using ages 18-25 years as a proxy) and among the overall population. METHODS: Medicaid data from five states (09/2008-03/2015) were used to identify adults with schizophrenia initiated on PP1M or OAAs (index date) on or after 09/2009. Outcomes were compared between PP1M and OAA groups following inverse probability of treatment weighting (IPTW). Univariate linear and Poisson regression models with nonparametric bootstrap procedures were used to compare the 12-month healthcare resource utilization and costs using rate ratios (RRs) and mean monthly cost differences (MMCDs), respectively. RESULTS: Overall, patients initiated on PP1M (N = 2053) were younger (mean age: 41 vs. 44 years) and had more baseline antipsychotic use (88% vs. 62%) compared to OAA patients (N = 22,247). IPTW resulted in balanced baseline characteristics. Among recently diagnosed patients, PP1M was associated with better adherence (PDC ≥ 80%: 29% vs. 21%, P < 0.001) on the index medication as well as less use of other psychiatric medications, compared to OAAs. Adherence findings were similar for the overall cohort. Among recently diagnosed patients, lower medical costs associated with PP1M (MMCD = $-466; P = 0.028) outweighed the higher pharmacy costs (MMCD = $322; P < 0.001) resulting in similar total healthcare costs across groups (MMCD = $-144; P = 0.553). Overall, findings were similar but there was a trend toward a lower magnitude of medical cost savings (MMCD = $-286; P < 0.001). Reductions in medical costs were mainly driven by reductions in inpatient days (recently diagnosed RR = 0.85, P = 0.353; overall RR = 0.84, P = 0.004) and in home care visits (recently diagnosed RR = 0.43, P = 0.008; overall RR = 0.78, P = 0.048). CONCLUSIONS: PP1M patients demonstrated significantly lower medical costs offsetting higher pharmacy costs relative to OAA patients. Recently diagnosed patients using PP1M may have greater medical cost savings relative to OAAs than that observed in the overall population, highlighting the potential economic impact of PP1M in adults recently diagnosed with schizophrenia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,078
Tête enseignante GPT0,341
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), 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

Citations43
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC PsychiatryMême sujetSchizophrenia research and treatmentTravaux en français237 207