P.018 Treatment patterns and healthcare resource utilization for patients with migraine in Alberta
Notice bibliographique
Résumé
Background: As the second leading cause of years lived with disability in the world, and the first in people under 50, migraine represents a major burden to healthcare systems. This study examined treatment patterns and healthcare resource utilization (HRU) in patients with migraine using real-world data from Alberta. Methods: This was a retrospective cohort study of patients with ≥1 ICD-9-CM/ICD-10-CA code for migraine or ≥1 prescription for a triptan from April 1st, 2012 to March 31st, 2018. Descriptive statistics were used to characterize the study outcomes. Results: The incidence of migraine exceeded 1,000 cases per 100,000 person-years over the study period. The mean age of the cohort (n=199,931) was 40.0, and 72.3% were women. Migraine-related HRU accounted for 3%-10% of all HRU across endpoints (e.g., ED visits, hospitalization, physician visits). One-third of the cohort were prescribed acute medications (non-steroidal anti-inflammatories, triptans or other (including opioids)), whereas fewer than one-fifth were prescribed at least one migraine preventive such as tricyclic anti-depressants (proportion: 15%), anti-convulsants (13%), beta-blockers (7%), or neurotoxins (4%). Conclusions: The low medication prescription rates and high HRU indicates the potential unmet need and high disability in patients with migraine. The impact of migraine treatment patterns on HRU is an avenue for future research.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».