Towards better reporting of the proportion of days covered method in cardiovascular medication adherence: A scoping review and new tool TEN‐SPIDERS
Notice bibliographique
Résumé
Although medication adherence is commonly measured in electronic datasets using the proportion of days covered (PDC), no standardized approach is used to calculate and report this measure. We conducted a scoping review to understand the approaches taken to calculate and report the PDC for cardiovascular medicines to develop improved guidance for researchers using this measure. After prespecifying methods in a registered protocol, we searched Ovid Medline, Embase, Scopus, CINAHL Plus and grey literature (1 July 2012 to 14 December 2020) for articles containing the terms "proportion of days covered" and "cardiovascular medicine", or synonyms and subject headings. Of the 523 articles identified, 316 were reviewed in full and 76 were included (93% observational studies; 47% from the USA; 2 grey literature articles). In 45 articles (59%), the PDC was measured from the first dispensing/claim date. Good adherence was defined as 80% PDC in 61 articles, 56% of which contained a rationale for selecting this threshold. The following parameters, important for deriving the PDC, were often not reported/unclear: switching (53%), early refills (45%), in-hospital supplies (45%), presupply (28%) and survival (7%). Of the 46 articles where dosing information was unavailable, 59% reported how doses were imputed. To improve the transparent and systematic reporting of the PDC, we propose the TEN-SPIDERS tool, covering the following PDC parameters: Threshold, Eligibility criteria, Numerator and denominator, Survival, Presupply, In-hospital supplies, Dosing, Early Refills, and Switching. Use of this tool will standardize reporting of the PDC to facilitate reliable comparisons of medication adherence estimates between studies.
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 | 0,015 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 | 0,002 |
| 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 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 ».