Androgen deprivation therapy for prostate cancer: Prescribing behaviors and preferences among urologists
Notice bibliographique
Résumé
INTRODUCTION: Several androgen deprivation therapy (ADT) medications are available for treating advanced prostate cancer with roughly equivalent oncological efficacy and tolerability. We investigated the proportion of physicians who predominantly prescribe one type of ADT drug ("mono-prescriber") and assessed characteristics associated with prescription behavior. METHODS: Ontario men aged ≥65 years who were diagnosed with advanced prostate cancer (1997-2017) and initiated ADT thereafter for ≥3 consecutive months were identified using population-level administrative data. Their first prescription for injectable ADT was linked to a physician, and urologists with ≥10 prescriptions over the study period were included in the analysis (n=282). Urologists were classified as high mono-prescribers if ≥80% of their prescriptions were for one drug type. Multivariable logistic regression was used to examine the association of physician characteristics with the odds of being a high mono-prescriber. RESULTS: Overall, 67 (23.8%) of urologists were classified as high mono-prescribers but the frequency varied across health planning regions. The most commonly prescribed drugs and those used by mono-prescribers were goserelin (41.8% and 56.7%) and leuprolide (44.3% and 43.3%), respectively. In multivariable analysis, the odds of a physician being a high mono-prescriber were higher with more years in practice (odds ratio [OR] 1.06/year, 95% confidence interval [CI] 1.03-1.09, p<0.0001) and lower for higher patient volume (OR 0.33 for above vs. below median, 95% CI 0.17-0.63, p=0.0008). CONCLUSIONS: Overall, one in four urologists were classified as high mono-prescribers. Mono-prescribers had more years in practice and smaller volume practices, potentially suggesting habitual prescription behavior and/or the effect of external pressures.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».