Global Utilization Trends of Direct Acting Antivirals (DAAs) during the COVID-19 Pandemic: A Time Series Analysis
Notice bibliographique
Résumé
The 2019 novel coronavirus (COVID-19) pandemic has placed a significant strain on hepatitis programs and interventions (screening, diagnosis, and treatment) at a critical moment in the context of hepatitis C virus (HCV) elimination. We sought to quantify changes in Direct Acting Antiviral (DAA) utilization among different countries during the pandemic. We conducted a cross-sectional time series analysis between 1 September 2018 and 31 August 2020, using the IQVIA MIDAS database, which contains DAA purchase data for 54 countries. We examined the percent change in DAA units dispensed (e.g., pills and capsules) from March to August 2019 to the same period of time in 2020 across the 54 countries. Interrupted time-series analysis was used to examine the impact of COVID-19 on monthly rates of DAA utilization across each of the major developed economies (G7 nations). Overall, 46 of 54 (85%) jurisdictions experienced a decline in DAA utilization during the pandemic, with an average of −43% (range: −1% in Finland to −93% in Brazil). All high HCV prevalence (HCV prevalence > 2%) countries in the database experienced a decline in utilization, average −49% (range: −17% in Kazakhstan to −90% in Egypt). Across the G7 nations, we also observed a decreased trend in DAA utilization during the early months of the pandemic, with significant declines (p < 0.01) for Canada, Germany, the United Kingdom, and the United States of America. The global response to COVID-19 led to a large decrease in DAA utilization globally. Deliberate efforts to counteract the impact of COVID-19 on treatment delivery are needed to support the goal of HCV elimination.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».