Impact of policy changes and drug shortages on acamprosate and naltrexone use in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Acamprosate and naltrexone, evidence-based pharmacotherapies for alcohol use disorder (AUD), are publicly covered by the Ontario Drug Benefit (ODB) programs; however, their availability has changed over time, with expanded formulary access in July 2018, followed by an acamprosate shortage in February 2019 and ending in July 2020. We evaluated the impact of these events on the use of these medications in Ontario, Canada. METHODS: We conducted a time-series analysis among individuals with AUD dispensed acamprosate or naltrexone through the ODB from July 2016 to December 2020. Outcomes included monthly rates of those with AUD on therapy (primary), and rate of initiation (secondary) overall and by treatment type. We used autoregressive moving average models to evaluate the impact of expanded coverage and the acamprosate shortage on rates of use, and reported characteristics at first dispensation. RESULTS: Over the study period, 10,637 individuals (61.0% male) initiated acamprosate or naltrexone. Expanded coverage increased monthly utilization rates of acamprosate (p = 0.0004), naltrexone (p < 0.0001), and either AUD pharmacotherapy (p < 0.0001). The acamprosate shortage led to a 98.1% reduction in acamprosate use (p = 0.0003) but did not impact naltrexone (p = 0.51). Our secondary analysis yielded consistent results with respect to the shortage; however, the expanded formulary listing did not impact the rate of new acamprosate patients (p = 0.3). By December 2020, 5.3% of ODB recipients with AUD were accessing pharmacotherapy. CONCLUSIONS: Although coverage expansion increased access to medications that treat AUD, the shortage of acamprosate led to large reductions in its use, with no responsive increase in naltrexone prescribing.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».