Utilization of Biologics in Saskatchewan
Notice bibliographique
Résumé
Background Few details are available about the factors driving cost increases of biologic medications. Objectives To describe trends in utilization and cost of biologic agents using administrative databases in Saskatchewan, Canada. Methods Two analyses were conducted. First, aggregate utilization of biologics based on prescriptions dispensed was measured in each calendar year between 2001 and 2013. Second, a retrospective cohort of new biologic users was created to examine trends in spending between 2001 and 2013. During the first year of biologic therapy, biologic cost was quantified for each specific biologic agent as: (a) total spending; (b) total mil - ligrams dispensed; and (c) estimated unit cost (i.e., total cost in 2013 $CAD divided by total milligrams dispensed during the year). Data analyses were descriptive and all biologic costs were adjusted to 2013 dollars (CAD). Results In the first year of biologic availability in Saskatchewan (2001), 133 patients were dispensed at least one biologic agent for a total cost of $0.5 million. In 2013, 2,402 biologic recipients were identified for a total cost of $51.8 million. Almost all of these biologic costs (88.9%) were paid by the provincial government. In 2013, infliximab was the most frequently used agent, accounting for 46.5% of all spending on biolog - ics. Infliximab was also the most expensive agent in 2013 (mean cost $31,340 ± 15,307) and showed the highest increase in the mean yearly cost over time due to greater quantities dispensed. Conclusion Biologic utilization will require ongoing monitoring to optimize patient-level and societal-level benefits.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».