MétaCan
Menu
Retour à la cohorte
Enregistrement W4393004755 · doi:10.51731/cjht.2024.861

Formulary Management of Sodium-Glucose Cotransporter-2 Inhibitors and Glucagon-Like Peptide-1 Receptor Agonists

2024· article· en· W4393004755 sur OpenAlexaboutno aff
Daniel Trinh, Matthew McDonald

Notice bibliographique

RevueCanadian Journal of Health Technologies · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFormularyGlucagon-like peptide-1PharmacologyChemistryGlucagon-like peptide 1 receptorReceptorEndocrinologyInternal medicineMedicineDiabetes mellitusType 2 diabetesAgonist

Résumé

récupéré en direct d'OpenAlex

Health Canada has approved 4 sodium-glucose cotransporter-2 (SGLT2) inhibitors (ertugliflozin, dapagliflozin, canagliflozin, and empagliflozin) and 5 glucagon-like peptide-1 (GLP-1) receptor agonists (semaglutide, liraglutide, dulaglutide, lixisenatide, and exenatide), with 5 fixed-dose combination products (SGLT2 inhibitors: dapagliflozin-metformin, canagliflozin-metformin, and empagliflozin-metformin; GLP-1 receptor agonists: liraglutide–insulin degludec and lixisenatide–insulin glargine). Data protection has ended for all SGLT2 inhibitors in Canada as well as their fixed-dose combinations. Eleven dapagliflozin generics are currently available, and there are several canagliflozin and empagliflozin generics under review at Health Canada. Patent protection has not expired for GLP-1 receptor agonists. There is heterogeneity in public drug program reimbursement criteria for each SGLT2 inhibitor and GLP-1 receptor agonist ranging from restricted to unrestricted benefit. This Environmental Scan highlights that as SGLT2 inhibitors and GLP-1 receptor agonists have matured, additional indications (heart failure, chronic kidney disease, weight management) have been added to their initial Health Canada–approved indication (type 2 diabetes mellitus). SGLT2 inhibitors are beginning to lose their exclusivity status and are experiencing generic competition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,005

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,259
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Health TechnologiesMême sujetDiabetes Treatment and ManagementTravaux en français237 207