Outpatient purchasing patterns of hydroxychloroquine and ivermectin in the USA and Canada during the COVID-19 pandemic: an interrupted time series analysis from 2016 to 2021
Notice bibliographique
Résumé
BACKGROUND: Hydroxychloroquine and ivermectin received widespread attention after initial studies suggested that they were effective against COVID-19. However, several of these studies were later discredited. OBJECTIVES: We explored the impact of scientific articles, public announcements and social media posts on hydroxychloroquine and ivermectin purchases in the USA and Canada during the COVID-19 pandemic. METHODS: We conducted a retrospective, population-based time series analysis of retail hydroxychloroquine and ivermectin purchases in the USA and Canada from February 2016 through to December 2021, using IQVIA's Multinational Integrated Data Analysis database. We fitted the purchasing rates with interventional autoregressive integrated moving average models. We used Google Trends to identify the most influential interventions to include in the models. RESULTS: There were significant pulse increases in hydroxychloroquine purchases in March 2020 in both the USA (P < 0.0001) and Canada (P < 0.0001). For ivermectin, there were no significant changes in April 2020 in either the USA (P = 0.41) or Canada (P = 0.16); however, significant pulse increases occurred from December 2020 to January 2021 in both the USA (P = 0.0006) and Canada (P < 0.0001), as well as significant ramp increases from April to August 2021 in both the USA (P < 0.0001) and Canada (P = 0.02). The increases in ivermectin purchases were larger in the USA than in Canada. CONCLUSIONS: Increases in hydroxychloroquine and ivermectin purchasing rates aligned with controversial scientific articles and social media posts. This highlights the importance of scientific integrity and disseminating accurate epidemiologic information during pandemics.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».