Extent of a valsartan drug shortage and its effect on antihypertensive drug use in the Canadian population: a national cross-sectional study
Notice bibliographique
Résumé
Background: Drug shortages represent a growing global problem, with potentially serious consequences to patients and the health care system. Our study investigates the impacts of a major recall and shortage of valsartan, an angiotensin receptor blocker (ARB), in July 2018 in Canada. Methods: We conducted a time-series analysis of antihypertensive drugs dispensed in Canada between 2015 and 2019 using commercially available retail prescription data. Using autoregressive integrated moving average (ARIMA) modelling, we evaluated the change in valsartan use after the recall. We also measured the overall use of ARBs, angiotensin-converting-enzyme (ACE) inhibitors and other antihypertensive drug classes for the same period. Results: After the recall in July 2018, valsartan use decreased 57.8%, from 362 231 prescriptions dispensed in June 2018 to 152 892 in September 2018 (difference = 209 339, p < 0.0001). Overall use of the ARB drug class decreased 2.0%, from 1 577 509 prescriptions dispensed in June 2018 to 1 545 591 in September 2018 (difference = 31 918, p = 0.0003), but use of non-valsartan ARBs increased 14.6%, from 1 215 278 to 1 392 699 prescriptions dispensed (difference = 177 421, p < 0.0001) in the same time frame. Although use of ACE inhibitors initially declined, this reduction was not sustained. The valsartan recall was not associated with a significant impact on use of other antihypertensive drug classes. Interpretation: Our findings illustrate the impact of a major drug shortage, with the immediate and substantial reduction of valsartan dispensed and cascading effects on other ARBs, though future research is warranted to understand the consequences of such extensive shortages on clinical outcomes and health system costs. Improved policy strategies are needed to address the underlying causes of drug shortages and to mitigate their effects.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».