Impact of AllazoEngine-Targeted Interventions on Medication Adherence: Repeated Measures Difference-in-Differences Analysis
Notice bibliographique
Résumé
Background: AllazoHealth utilizes predictive analytics to improve medication adherence by targeting patients whose behavior can be changed with intervention programs. The AllazoEngine utilizes Rx claims, previous intervention data, and demographics to predict future adherence, to prioritize the patients whose behaviors can be changed, and to select the intervention channel and messaging most effective for each individual patient. Blue Cross and Blue Shield of North Carolina commissioned AllazoHealth’s predictive analytics and separately commissioned medication intervention delivery services for this adherence program. Objective: This study aimed to evaluate the effectiveness of the AllazoEngine and targeted interventions to improve medication adherence. Methods: This was a double-blind, randomized controlled trial (RCT) focused on RAS antagonists, oral anti-diabetics, and Statins. Patients were randomized to receive no intervention, traditional non-Allazo-targeted interventions, or interventions targeted by the AllazoEngine. All interventions consisted of live calls, direct mail to patients, and faxes to prescribers. Patients were defined as adherent in accordance with Medicare Star ratings methodology if their proportion of days covered (PDC) was greater than 80%. Patients’ adherence status in 2015 was compared to their adherence status in 2016 after the intervention period. Difference-in-Differences (DiD) analysis was used to compare the effect of each intervention method. Statistical significance was set to 10%. Results: The primary study population consisted of 14,377 controls, 5,423 traditional non-Allazo targeted-intervention patients and 24,527 Allazo targeted intervention patients. Patients had comparable characteristics at baseline and comparable decrease in medication adherence in the pre-intervention observation period across the intervention groups. Non-Allazo-targeted interventions did not statistically improve the likelihood of adherence. Patients who received Allazo-targeted interventions performed statistically better than both the non-Allazo targeted group and control group (P=.06 and .03). Assuming net positive uplift from non-Allazo interventions, Allazo interventions accounted for 7.7 times the per-patient uplift in adherence compared to non-Allazo interventions. Conclusions: Due to the specific study design of not including new patients, adherence decreased in each intervention group over the intervention period. However, the decrease was significantly less for those in the Allazo group compared to both the non-Allazo and control groups.
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 | 0,014 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».