<p>Temporal Trends Of Pharmacologic Therapies For Patients With Chronic Obstructive Pulmonary Disease In Alberta, Canada</p>
Notice bibliographique
Résumé
Objectives: To describe the trends in pharmacologic treatment for patients newly diagnosed with chronic obstructive pulmonary disease (COPD) in Alberta, Canada. Methods: We linked Alberta health databases to identify patients aged ≥35 years with incident COPD between April 2010 and March 2017. Incident cases were defined as those who did not have a hospitalization or outpatient visit with COPD in the previous 2 years. Patients were categorized into two groups: 1) incident cases at a hospital and 2) incident cases at an outpatient clinic, and both were followed until death or being censored by 31 March 2018. Utilization of COPD medication for 30 days following incident event and adherence in maintenance therapy over time were reported. Results: The study included 33,169 patients with incident COPD (hospital: 9,089; outpatient: 24,080). In 18,666 (56.3%) patients starting medication within 30 days of the incident event (2010: 52.7%; 2016: 56.6%; p=0.002), SABA (60.5%) and LABA/ICS (41.6%) were most commonly used. ICS (without LABA) was used in 14.2% and was used as monotherapy in 4.5% of patients. The proportion of patients who initiated any ICS was similar (hospital: 56.7%; outpatient: 55.7%; p=0.194) and decreased in both settings over time (p<0.001). Drug adherence during the first year after the incident event was 54.3%, higher among hospital patients (66.5% vs 48.9%; p<0.001), and improved over time (2010: 53.4%; 2016: 57.4%; p<0.001). Conclusion: The initiation of and adherence to pharmacologic therapy for patients with COPD is low but improves over time. While SABA and LABA/ICS are most commonly used, ICS utilization decreases over time.
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 ».