Impact of the COVID-19 pandemic on prescription drug use and costs in British Columbia: a retrospective interrupted time series study
Notice bibliographique
Résumé
OBJECTIVES: To assess the impact of the COVID-19 pandemic on prescription drug use and costs. DESIGN: Interrupted time series analysis of comprehensive administrative health data linkages in British Columbia, Canada, from 1 January 2018 to 28 March 2021. SETTING: Retrospective population-based analysis of all prescription drugs dispensed in community pharmacies and outpatient hospital pharmacies and irrespective of the drug insurance payer. PARTICIPANTS: Between 4.30 and 4.37 million individuals (52% women) actively registered with the publicly funded medical services plan. INTERVENTION: COVID-19 pandemic and associated mitigation measures. MAIN OUTCOME MEASURES: Weekly dispensing rates and costs, both overall and stratified by therapeutic groups and pharmacological subgroups, before and after the declaration of the public health emergency related to the COVID-19 pandemic. Relative changes in post-COVID-19 outcomes were expressed as ratios of observed to expected rates. RESULTS: After the onset of the pandemic and subsequent COVID-19 mitigation measures, overall medication dispensing rates dropped by 2.4% (p<0.01), followed by a sustained weekly increase to return to predicted levels by the end of January 2021. We observed abrupt level decreases in antibacterials (30.3%, p<0.01) and antivirals (22.4%, p<0.01) that remained below counterfactuals over the first year of the pandemic. In contrast, there was a week-to-week trend increase in nervous system drugs, yielding an overall increase of 7.3% (p<0.01). No trend changes in the dispensing of respiratory system agents, ACE inhibitors, antidiabetic drugs and antidepressants were detected. CONCLUSION: The COVID-19 pandemic impact on prescription drug dispensing was heterogeneous across medication subgroups. As data become available, dispensing trends in nervous system agents, antibiotics and antivirals warrant further monitoring and investigation.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».