The impact of regulatory restrictions on pregabalin use in Saudi Arabia: An interrupted time series analysis
Notice bibliographique
Résumé
PURPOSE: The Saudi Food and Drug Authority (SFDA) added pregabalin to the list of controlled substances in December 2017 to minimize the risk of its possible abuse and misuse. This study was aimed at assessing the impact of this decision on the overall use of pregabalin in Saudi Arabia and in comparison with drugs prescribed to treat neuropathic pain (i.e., vs. gabapentin, tramadol, duloxetine, and amitriptyline). METHODS: This was an interrupted time-series analysis of the Saudi quarterly sale data of the study drugs from October/2015 to September/2020. These data were obtained from IQVIA and were converted into use estimates (defined daily dose per 1000 inhabitant-days [DDD/TID]). Segmented regression models were conducted to assess the direct (level) and prolonged (trend) changes in use data after the decision. All analyses were completed using RStudio Version 1.4.1103. RESULTS: Before the SFDA's decision, there was an increased quarter-to-quarter use of pregabalin (DDD/TID: 0.16; 95% confidence interval [CI] 0.04 to 0.28). Pregabalin overall use dropped sharply by -1.85 DDD/TID (95% CI -2.71 to -0.99) directly after the decision with a prolonged quarter-to-quarter declining effect (DDD/TID: -0.22, CI to -0.37 to -0.05). The decision was associated with a direct increase in the use of gabapentin by 0.62 DDD/TID (95% CI 0.52-0.72) without any impact on the use of other drugs. CONCLUSIONS: The results of our study showed that the SFDA decision was associated with a decrease in the overall use of pregabalin, which may help minimize the risk of its abuse and misuse.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».