Impact of selexipag use within 12 months of pulmonary arterial hypertension diagnosis on hospitalizations and medical costs: A retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Oral selexipag, a prostacyclin pathway agent (PPA), is effective in patients with pulmonary arterial hypertension (PAH). The objective of this study is to assess the impact of initiating oral selexipag within 12 months of diagnosis on health outcomes. METHODS: This retrospective cohort study used data from Optum's de-identified Clinformatics® Data Mart Database. PAH patients between 1 October 2015 and 30 September 2019 were included. Patients were also required to have received PAH medication within 12 months of their initial diagnosis. Study groups included patients who initiated selexipag within 12 months of PAH diagnosis (SEL ≤ 12) and those who did not initiate any PPA within 12 months of PAH diagnosis (No PPA ≤ 12). Inverse probability of treatment weighting was used to remove potential confounding between groups. Cox and Poisson regression models were used to compare hospitalization and disease progression. Generalized linear model with gamma distribution and log link was used to compare costs. RESULTS: SEL ≤ 12 had lower rate of all-cause hospitalizations (rate ratio: 0.76, 95% confidence interval [CI]: 0.60, 0.96) versus no PPA ≤ 12, but no differences in PAH-related hospitalization rate (rate ratio: 1.03, 95% CI: 0.79, 1.33) or risk of disease progression (hazard ratio: 1.01, 95% CI: 0.71, 1.44). SEL ≤ 12 incurred lower all-cause (mean difference: -$23 623; 95% CI: -35 537, -8512) and PAH-related total medical costs (mean difference: -$12 927; 95% CI: -19 559, -5679) versus no PPA ≤ 12. CONCLUSION: Selexipag initiation within 12 months of PAH diagnosis demonstrated reductions in all-cause hospitalization rate and medical costs.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».