MétaCan
Menu
Retour à la cohorte
Enregistrement W4281745128 · doi:10.2337/db22-680-p

680-P: Effect of the FreeStyle Libre System on Diabetes Treatment for People with T2D: Results from a Retrospective Cohort Study Using Canadian Private Payer Claims Database

2022· article· en· W4281745128 sur OpenAlexaboutno aff
Stewart B. Harris, FLEUR LEVRAT-GUILLEN

Notice bibliographique

RevueDiabetes · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineConcomitantDiabetes mellitusType 2 diabetesCohortGlycemicReimbursementRetrospective cohort studyInternal medicineInsulinEndocrinologyHealth care

Résumé

récupéré en direct d'OpenAlex

Introduction: Therapeutic inertia is a major contributor to people with diabetes not achieving glycemic goals. We assessed for patients with T2D the impact of using the FreeStyle Libre system (FSL) vs. blood glucose monitoring (BGM) on treatment intensification. Method: We carried out a matched retrospective cohort study using secondary private payer claims data including >30 million diabetes drug and device claims filled by over 850,000 patients with T2D >18 in Canada over 24 months. Each month, patients were classified by level of therapy progression: 1. No diabetes drug therapy; 2. Mono Oral Antihyperglycemic Agents (OHAs) ; 3. Dual OHAs; 4. Triple OHAs; 5. Quad or more OHAs; 6. Injectable GLP1-RA (±concomitant OHAs) ; 7. Basal insulin (±concomitant OHAs) ; 8. MDI insulin (±concomitant OHAs) . Results: A total of 373,871 patients met the inclusion criteria. Across all treatment cohorts, the FSL treatment groups were found to have a statistically higher probability of treatment intensification relative to BGM: Conclusion: Reimbursement of FSL for patients with T2D in Canada is associated with decreased time lag for glucose lowering therapy compared to those using BGM alone. These findings suggest that FSL data impact clinicians to facilitate earlier and more intensive therapy modifications and thus reduce treatment inertia. Disclosure S.B.Harris: Consultant; Abbott, AstraZeneca, Eli Lilly and Company, Novo Nordisk, Sanofi, Other Relationship; Abbott, AstraZeneca, Bayer Inc., Dexcom, Eli Lilly and Company, HLS Therapeutics, Janssen Pharmaceuticals, Inc., Novo Nordisk, Sanofi, Research Support; Applied Therapeutics Inc., AstraZeneca, Canadian Institutes of Health Research, Juvenile Diabetes Research Foundation (JDRF) , Novo Nordisk, Sanofi, The Lawson Foundation. F.Levrat-guillen: Employee; Abbott. Funding Funded by Abbott Diabetes Care

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,245
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetPharmaceutical Economics and PolicyTravaux en français237 207