Healthcare Resource Utilization and Costs of Rivaroxaban Versus Warfarin Among Non-valvular Atrial Fibrillation (NVAF) Patients with Diabetes in a US Population
Notice bibliographique
Résumé
INTRODUCTION: The healthcare resource utilization (HRU) and costs of oral anticoagulant-naïve patients with non-valvular atrial fibrillation (NVAF) and diabetes initiated on rivaroxaban or warfarin in the United States (US) has not been previously evaluated. METHODS: Data Mart Database (1 January, 2012 to 30 September, 2021) to evaluate the HRU and costs of adult patients with NVAF and diabetes newly initiated on rivaroxaban or warfarin (on or after January 2013). Inverse probability of treatment weighting (IPTW) was used to adjust for confounding between cohorts. HRU and costs (USD 2021) were assessed per patient-year (PPY) post-treatment initiation. Weighted cohorts were compared using rate ratios (RR) from Poisson regression models, odds ratios (OR) from logistic regression models, and cost differences; 95% confidence intervals (CI) and p values were generated using non-parametric bootstrap procedures. RESULTS: After IPTW, 17,881 and 19,274 patients initiated on rivaroxaban and warfarin were included, respectively (mean age: 73 years; 40% female). During 12 months of follow-up, the rivaroxaban cohort had lower all-cause HRU PPY across all components, including lower rates of inpatient stays (RR: 0.84, 95% CI 0.81, 0.88), outpatient visits (RR: 0.67, 95% CI 0.66, 0.68), and 30 day hospital readmission (OR: 0.75, 95% CI 0.66, 0.83; all p < 0.001) compared to the warfarin cohort. Moreover, rivaroxaban was associated with medical cost savings PPY (mean cost difference: - $9306, 95% CI - $11,769, - $6607), which compensated for higher pharmacy costs relative to warfarin (mean cost difference: $5518, 95% CI $5193, $5839), resulting in significantly lower all-cause total healthcare costs for rivaroxaban versus warfarin (mean cost difference: - $3788, 95% CI - $6258, - $1035; all p < 0.001). CONCLUSION: Among NVAF patients with diabetes in a real-world US setting, rivaroxaban was associated with lower healthcare costs compared to warfarin.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».