Adherence to laboratory monitoring among people taking oral drugs for multiple sclerosis: A Canadian population-based study
Notice bibliographique
Résumé
OBJECTIVE: To examine laboratory testing adherence by persons initiating an oral disease-modifying therapy (DMT) for multiple sclerosis (MS). METHODS: Population-based health administrative and laboratory data were accessed in British Columbia, Canada, to identify everyone filling their first prescription for dimethyl fumarate (DMF), fingolimod or teriflunomide (2011-2015). The proportion of people adherent to each drug monograph's recommended laboratory monitoring schedule, pre- and on-DMT, was estimated. The association between patient characteristics and adherence was examined using multivariable logistic regression. RESULTS: A total of 1016 people were included (DMF 567, fingolimod 253 and teriflunomide 196). The proportions of people adherent to pre-DMT liver and lymphocyte tests ranged from 88% to 91% and 91% to 94%, respectively, while 77% adhered to pre-DMF urinalysis. Adherence to the first on-DMT liver test was 89% for DMF (within 6 months), 61% for fingolimod (within 3 months) and 40% for teriflunomide (within 1 month). Men were less likely than women to have pre-DMF urinalysis (adjusted odds ratio (aOR); 95% confidence interval (CI): 0.40-0.95) or on-DMF liver (aOR: 0.46; 95% CI: 0.23-0.95) or lymphocyte (aOR: 0.47; 95% CI: 0.22-0.98) tests. CONCLUSIONS: Adherence to recommended laboratory testing was high (>77%) before oral DMT initiation, but lower once on drug. There is a need to understand the long-term consequences of suboptimal laboratory monitoring and sex differences in the DMT-treated MS population.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».