Strategies to reduce out-of-pocket medication costs for Canadians with peripheral arterial disease
Notice bibliographique
Résumé
BACKGROUND: Given that peripheral arterial disease (PAD) disproportionately affects people of lower socioeconomic status, out-of-pocket expenses for preventive medications are a major barrier to their use. We carried out a cost comparison of drug therapies for PAD to identify prescribing strategies that minimize out-of-pocket expenses for these medications. METHODS: Between March and June 2019, we contacted outpatient pharmacies in Hamilton, Ontario, Canada, to assess pricing of pharmacologic therapies at dosages included in the 2016 American College of Cardiology/American Heart Association guideline for management of lower extremity PAD. We also gathered pricing information for supplementary charges, including delivery, pill splitting and blister packaging. We calculated prescription prices with and without dispensing fees for 30-day brand-name and generic prescriptions, and 90-day generic prescriptions. RESULTS: Twenty-four pharmacies, including hospital-based, independent and chain, were included in our sample. In the most extreme scenario, total 90-day medication costs could differ by up to $1377.26. Costs were affected by choice of agent within a drug class, generic versus brand-name drug, quantity dispensed, dispensing fee and delivery cost, if any. CONCLUSION: By opting for prescriptions for 90 days or as long as possible, selecting the lowest-cost generic drugs available in each drug class, and identifying dispensing locations with lower fees, prescribers can minimize out-of-pocket patient medication expenses. This may help improve adherence to guideline-recommended therapies for the secondary prevention of vascular events in patients with PAD.
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 ».