MétaCan
Menu
Retour à la cohorte
Enregistrement W3188666308 · doi:10.2217/cer-2021-0150

Economic burden of rivaroxaban and warfarin among nonvalvular atrial fibrillation patients with obesity and polypharmacy

2021· article· en· W3188666308 sur OpenAlexaff
François Laliberté, Veronica Ashton, Akshay Kharat, Dominique Lejeune, Kenneth Todd Moore, Young Yun Jung, Patrick Lefèbvre, Jeffrey S. Berger

Notice bibliographique

RevueJournal of Comparative Effectiveness Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesJanssen Scientific Affairs
Mots-clésMedicineRivaroxabanPolypharmacyAtrial fibrillationWarfarinObesityInternal medicineCardiologyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Aim: Evaluate healthcare resource utilization (HRU) and costs associated with rivaroxaban and warfarin among nonvalvular atrial fibrillation (NVAF) patients with obesity and polypharmacy. Materials & methods: IQVIA PharMetrics ® Plus (January 2010–September 2019) data were used to identify NVAF patients with obesity (BMI ≥30 kg/m 2 ) and polypharmacy (≥5 medications) initiated on rivaroxaban or warfarin. Weighted rate ratios and cost differences were evaluated post-treatment initiation. Results: Rivaroxaban was associated with significantly lower rates of HRU, including hospitalization (rate ratio [95% CI]: 0.83 [0.77, 0.92]). Medical costs were reduced in rivaroxaban users (difference [95% CI]: -US$6868 [-US$10,628, -US$2954]), resulting in significantly lower total healthcare costs compared with warfarin users (difference [95% CI]: -US$4433 [-US$8136, -US$582]). Conclusion: Rivaroxaban was associated with lower HRU and costs compared with warfarin among NVAF patients with obesity and polypharmacy in commercially insured US patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,422
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative Effectiveness ResearchMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207