Prescription trends of antiseizure medications before and during the COVID-19 pandemic
Notice bibliographique
Résumé
Introduction Given the lack of evidence on how the COVID-19 pandemic impacted antiseizure medication (ASM) use, we examined the trends of ASMs before and during COVID-19. Methods We conducted a population-based study using provincial-level health databases from Manitoba, Canada, between 1 June 2016 and 1 March 2021. We used interrupted time series autoregressive models to examine changes in the prevalence and incidence of ASM prescription rates associated with COVID-19 public health restrictions. Results Among prevalent users, the COVID-19 pandemic led to a significant increase in new-generation ASMs with a percentage change of 0.09% (p = 0.03) and a significant decrease in incidence use of all ASMs with a percentage change of −4.35% (p = 0.04). Significant trend changes were observed in the prevalent use of new-generation ASMs (p = 0.04) and incidence use of all (p = 0.04) and new-generation ASMs (p = 0.02). Gabapentin and clonazepam prescriptions contributed 37% of prevalent and 54% of incident use. Conclusion With the introduction of public health measures during COVID-19, small but significant changes in the incident and prevalent use of ASM prescriptions were observed. Further studies are needed to examine whether barriers to medication access were associated with potential deterioration in seizure control among patients. Conference presentation The results from this study have been presented as an oral presentation at the 38th ICPE, International Society of Pharmacoepidemiology (ISPE) annual conference in Copenhagen.
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 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».