A methodology to assess the population size and estimate the needed resources for new licensed medications by combining clinical and administrative databases: The example of glycated haemoglobin in type 2 diabetes
Notice bibliographique
Résumé
PURPOSE: To develop and validate a model to estimate glycated haemoglobin (HbA1c) values in patients with type 2 diabetes mellitus (T2DM) using a clinical data source, with the aim to apply this equation to administrative databases. METHODS: Using a primary care and administrative Italian databases, namely the Health Search database (HSD) and the ReS (Ricerca e Salute) database, we selected all patients aged 18 years or older on 31 December 2018 being diagnosed with T2DM and without prior prescription of sodium-glucose cotransporter-2 (SGLT-2) inhibitors. We included patients prescribed with and adherent to metformin. HSD was used to develop and test (using 2019 data as well) the algorithm imputing HbA1c values ≥7% according to a series of covariates. The algorithm was gathered by combining beta-coefficients being estimated by logistic regression models using complete case (excluding missing values) and imputed (after multiple imputation) dataset. The final algorithm was applied to ReS database using the same covariates. RESULTS: The tested algorithms were able to explain 17%-18% variation in assessing HbA1c values. Good discrimination (70%) and calibration were obtained as well. The best algorithm (three) cut-offs, namely those providing correct classifications ranging 66%-70% was therefore calculated and applied to ReS database. By doing so, from 52 999 (27.9, 95% CI: 27.7%-28.1%) to 74 250 (40.1%, 95% CI: 38.9%-39.3%) patients were estimated with HbA1c ≥7%. CONCLUSION: Through this methodology, healthcare authorities should be able to quantify the population eligible to a new licensed medication, such as SGLT-2 inhibitors, and to simulate scenarios to assess reimbursement criteria according to precise estimates.
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 | 0,029 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».