Utilization Patterns of Disease-Modifying Antirheumatic Drugs for the Treatment of Rheumatoid Arthritis: Rationale for Improving the Harmonization of Coverage Criteria
Notice bibliographique
Résumé
Utilization patterns of csDMARDs were highly comparable between drug plans overall (in decreasing order: methotrexate, hydroxychloroquine, sulfasalazine, leflunomide, and azathioprine). The proportion of csDMARDs were comparable (e.g., approximately 30% of csDMARD use for methotrexate), although differences in coverage criteria may have resulted in variances in the use of leflunomide. Differences in adjudication of coverage criteria may have resulted in a modest variance in the number of csDMARDs used prior to initiating bDMARDs (i.e., allowing for an “early escape” to bDMARDs for some jurisdictions such as Manitoba and the Atlantic provinces). The mean time to initiate bDMARD therapy (range of 664 to 792 days) revealed a divergence between jurisdictions into 2 groupings whereby Manitoba, Saskatchewan, and the Atlantic provinces drug plans (mean time of 664 to 681 days) saw the initiation of bDMARDs approximately 4 months faster versus other jurisdictions (British Columbia, Alberta, and Ontario, with a mean time of 748 to 792 days), possibly due to their coverage criteria not requiring 3 lines of csDMARDs therapy. Despite differences in the time to initiate bDMARDs, there was no notable difference in the persistence of bDMARDs 6 months after the initiation for any drug plan (61% to 76% range for patients 67 years of age and older). Utilization patterns of bDMARDs was highly comparable between drug plans (i.e., highest use with adalimumab, etanercept, and infliximab), although British Columbia and Manitoba were the only jurisdictions that saw decreasing costs per patient of bDMARDs over time, likely due to a higher uptake of biosimilars or other managed formulary strategies such as tiering.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».