Current Utilization Patterns of Glucagon-Like Peptide-1 Receptor Agonists
Notice bibliographique
Résumé
The real-world use of glucagon-like peptide-1 (GLP-1) receptor agonists (RAs), which are funded for type 2 diabetes mellitus (T2DM) across public drug plans in Canada, was analyzed to determine their current utilization patterns and estimate their suspected use outside of T2DM. Drug plan expenditures in this drug class have increased significantly in recent months and we wanted to assess the extent of the utilization that was “off reimbursement criteria” (i.e., use outside of T2DM) because these drugs have demonstrated efficacy in other conditions that are not currently publicly funded but have regulatory approval (e.g., weight management). Ozempic (semaglutide injection) is the dominant GLP-1 RA brand (> 99% market share among public PT drug plans) and expenditures on it have accelerated. Expenditures on Ozempic have increased from $13.5 million in 2019 to $227 million in 2021. Increasing use of Ozempic can be partially attributed to non-T2DM claims. The proportion of claimants with suspected use outside of T2DM was 15% in Ontario and ranged from 0% to 8% across the other PT public drug plans; suspected use outside of T2DM is projected to be 1 in 5 claimants in Ontario in 2022. Among non-formulary claims (e.g., federal public plans, private insurance), this proportion ranged from 36% to 74% (data from 2021).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| 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) | 0,002 | 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 ».