MétaCan
Menu
Retour à la cohorte
Enregistrement W4396575375 · doi:10.1007/s12325-024-02865-2

Observing the Clinical Course of Duchenne Muscular Dystrophy in Medicaid Real-World Healthcare Data

2024· article· en· W4396575375 sur OpenAlexaff
Christina Qian, Alexa C. Klimchak, Shelagh M. Szabo, Evan Popoff, Susan T. Iannaccone, Katherine Gooch

Notice bibliographique

RevueAdvances in Therapy · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensBroadcom (Canada)Vancouver Coastal Health
Organismes subventionnairesSarepta Therapeutics
Mots-clésMedicineDuchenne muscular dystrophyMuscular dystrophyMedicaidHealth careRheumatologyPhysical therapyPhysical medicine and rehabilitationFamily medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Duchenne muscular dystrophy (DMD) is a rare, severe progressive neuromuscular disease. Health insurance claims allow characterization of population-level real-world outcomes, based on observed healthcare resource use. An analysis of data specific to those with Medicaid insurance is presently unavailable. The objective was to describe the real-world clinical course of DMD based on claims data from Medicaid-insured individuals in the USA. METHODS: Individuals with DMD were identified from the MarketScan Multi-State Medicaid datasets (2013-2018). Diagnosis and procedure codes from healthcare claims were used to characterize the occurrence of DMD-relevant clinical observations; categories were scoliosis, cardiovascular-related, respiratory and severe respiratory-related, and neurologic/neuropsychiatric. Age-restricted analyses were conducted to focus on the ages at which DMD-relevant clinical observations were more likely to be captured, and to better understand the impact of both age and follow-up time. RESULTS: Of 2007 patients with DMD identified, median (interquartile range) age at index was 14 (9-20) years, and median follow-up was 3.1 (1.6-4.7) years. Neurologic and neuropsychiatric observations were most frequently identified, among 49.3% of the cohort; followed by cardiovascular (48.5%), respiratory (38.1%), scoliosis (36.3%), and severe respiratory (25.0%). Prevalence estimates for each category were higher when analyzed within age-restricted subgroups; and increased as follow-up time increased. CONCLUSIONS: This study is the first to use diagnosis and procedure codes from real-world Medicaid claims to document the clinical course in DMD. Findings were consistent with previously published estimates from commercially insured populations and clinical registries; and contribute to the expanding body of real-world evidence around clinical progression of patients with DMD.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,429
Écart entre enseignants0,373 · 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'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in TherapyMême sujetMuscle Physiology and DisordersTravaux en français237 207