Trends in diabetes medication use in Australia, Canada, England, and Scotland: a repeated cross-sectional analysis in primary care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Several new classes of glucose-lowering medications have been introduced in the past two decades. Some, such as sodium-glucose cotransporter 2 inhibitors (SGLT2s), have evidence of improved cardiovascular outcomes, while others, such as dipeptidyl peptidase-4 inhibitors (DPP4s), do not. It is therefore important to identify their uptake in order to find ways to support the use of more effective treatments. AIM: To analyse the uptake of these new classes among patients with type 2 diabetes. DESIGN AND SETTING: This was a retrospective repeated cross-sectional analysis in primary care. Rates of medication uptake in Australia, Canada, England, and Scotland were compared. METHOD: Primary care Electronic Medical Data on prescriptions (Canada, UK) and dispensing data (Australia) from 2012 to 2017 were used. Individuals aged ≥40 years on at least one glucose-lowering drug class in each year of interest were included, excluding those on insulin only. Proportions of patients in each nation, for each year, on each class of medication, and on combinations of classes were determined. RESULTS: Data from 238 619 patients were included in 2017. The proportion of patients on sulfonylureas (SUs) decreased in three out of four nations, while metformin decreased in Canada. Use of combinations of metformin and new drug classes increased in all nations, replacing combinations involving SUs. In 2017, more patients were on DPP4s (between 19.1% and 27.6%) than on SGLT2s (between 10.1% and 15.3%). CONCLUSION: New drugs are displacing SUs. However, despite evidence of better outcomes, the adoption of SGLT2s lagged behind DPP4s.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle