Defining diabetes status using medication groups in Medicare data: Trends in prescribing diabetes medications to patients without a diabetes diagnosis over time
Notice bibliographique
Résumé
BACKGROUNDApproximately 37 million people in the United States had type 2 diabetes in 2019, 1 leading to poor health, high healthcare utilization, costs, morbidity and mortality.These numbers continue to rise, highlighting the need for population-level prevention and intervention.While cohort studies have been instrumental in estimating the prevalence and incidence of diabetes as well as trends in treatment and control over time, administrative claims data are increasingly used to examine these factors.2,3 One challenge in using administrative data is changes in practice over time, which can impact the sensitivity and specificity of claims-based definitions of health conditions.Multiple studies using Medicare data have reported on the incidence and prevalence of diabetes 2-5 as well as on trends in medication use 6 and glycaemic control.Typically, people are classified as having diabetes using a diabetes diagnosis code or-for studies which have access to prescription claims data-using a combination of International Classification of Disease (ICD) codes and medications.7,8 The advent of new frontline medications to treat diabetes, such as glucagon-like peptide-1 receptor agonists (GLP-1RAs) and sodiumglucose cotransporter-2 (SGLT2) inhibitors, has resulted in improvements in other heath conditions, particularly obesity, kidney disease, and congestive heart failure, which has ushered in the prescription of diabetes-related medications for new US Food and Drug Administration-approved indications as well as off-label and/or nondiabetes-specific use.This is important to consider when using administrative data since definitions of diabetes in these data often use a combination of ICD codes and/or use of specific diabetes medications.Since the prescribing patterns of these diabetes medications have changed over time-not only among people with diabetes, but among people without diabetes 9,10 as well-how investigators define diabetes when using medication lists should be revisited, particularly when dealing with data from 2010 and beyond.However, to our knowledge, no study has examined the trends in use of diabetes-related drugs over time among individuals without diabetes diagnosis codes to
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 | 0,005 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».