Identifying sequential episodes of pharmacotherapy as a method for assessing treatment failure in comparative effectiveness research
Notice bibliographique
Résumé
PURPOSE: To describe and implement a novel method of measuring comparative effectiveness using sequential episodes of pharmacotherapy as a proxy for treatment failure. METHODS: Retrospective cohort study using linked deidentified data from the British Columbia Ministry of Health during a government-sponsored smoking cessation reimbursement program.Three study cohorts were created based on first use of varenicline, bupropion, or nicotine replacement therapy (NRT), for adults aged 18 or older, in the period September 30th, 2011 to March 31st, 2013. The study cohorts were analyzed for sequential episodes of pharmacotherapy, defined as re-initiating a smoking cessation pharmacotherapy after an initial episode of treatment and washout period. The statistical analysis used propensity score adjusted log-binomial regression models with one-year and two-year fixed follow-up after a 12-week washout period. A sensitivity analysis excluded the washout period. A secondary analysis investigated predictors of receiving a sequential episode of smoking cessation pharmacotherapy RESULTS: 116,442 participants of the B.C. Smoking Cessation Program were analyzed. Compared to NRT, varenicline users were 13% less likely, and bupropion users were 18% less likely, to re-start smoking cessation therapy within 1-year after an initial course of treatment. CONCLUSIONS: Sequential episodes of pharmacotherapy identified treatment failures to smoking cessation therapy. Based on sequential episodes of pharmacotherapy during a drug benefit policy of smoking cessation medications, varenicline and bupropion were more effective aids to smoking cessation than NRT. The method was also used to identify patient characteristics associated with treatment effectiveness.
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 | 0,602 | 0,728 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».