Greater than the Sum: Applying Daily-Dose Equivalents to Antipsychotic Prescription Claims to Study Real-World Effects
Notice bibliographique
Résumé
Traditional methods to standardize exposures in pharmacoepidemiologic studies, like defined daily-doses, may be inadequate to capture drug class effects when there are many in-class medications, formulations, and administration routes. Antipsychotic medications are one example of a drug class with these complexities. Direct dose conversion methods are pharmacologically-based but often overlooked, potentially for lack of real-world guidance and examples of their implementation. The purpose of this article is to describe a method to implement dose conversion, using an example study that quantifies antipsychotic use among a cohort of older adults with dementia. We identified 45,442 older adults (aged ≥66 years) with dementia initiating antipsychotic therapy between January 1, 2009 and December 31, 2012 in Ontario, Canada using linked administrative healthcare databases. We developed and applied a data cleaning and dose conversion algorithm to quantify antipsychotic exposure in chlorpromazine dose equivalents at initiation, month 6, and month 12 of therapy. Results were stratified by route of administration. At initiation, 14% of patients received multiple antipsychotic prescriptions simultaneously. Patients initiating regular injectable and multiple administration routes received the highest median chlorpromazine equivalent daily-doses. Data cleaning changed 3, 16, 36, and 42% of total equivalent daily-doses in patients initiating oral, regular injectable, long-acting injectable, and multiple administration routes, respectively. Dose conversion of prescription claims data was a feasible method to quantify and present antipsychotic drug exposures. Dose conversion methods can be considered for drug effects studies of antipsychotic therapies and other medication classes with complex use.
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 | 0,024 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».