Trends in diabetes medication prescribing from 2018 to 2021: A cross-sectional analysis
Notice bibliographique
Résumé
Several new classes of medications for diabetes have recently become available newer medication classes have been increasing in use. It is unclear how their utilization varied across provinces and how the COVID-19 pandemic may have affected these trends. Our objective was to investigate Canada-wide and province-specific trends in diabetes medication dispensed by drug class over time, while also examining the impact of the COVID-19 pandemic and related restrictions on diabetes medication dispensing. We conducted a repeated cross-sectional analysis study. Data were obtained from IQVIA's CompuScript database for Canada-wide prescription dispensing patterns in primary care from January 2018 to December 2021. Drug classes of interest were biguanides dipeptidyl peptidase 4 inhibitors, sulfonylurea's, insulins, sodium-glucose co-transporter 2 inhibitors, and glucagon-like peptide-1 receptor agonists. We examined trends before and after the onset of the pandemic with special attention to changes during periods of high COVID-19 activity. Most drug classes displayed a stable number of prescriptions each month throughout, except for glucagon-like peptide-1 receptor agonists and sodium-glucose co-transporter 2 inhibitors, which demonstrated a consistent pattern of increased dispensing. Sodium-glucose co-transporter inhibitors and glucagon-like peptide-1 receptor agonists exhibited the greatest growth over the examined period, of 7.9% and 5.0% increases, respectively. For sodium-glucose co-transporter 2 inhibitors, Prince Edward Island (4.0%) displayed the greatest growth while Ontario showed the least (2.5%). For glucagon-like peptide-1 receptor analogs, Saskatchewan (11.3%) displayed the greatest growth and Newfoundland the least (4.5%). The pandemic did not impact overall dispensing trends. However, spikes in COVID-19 cases corresponded to changes in dispensing for most drug classes. Important variations across Canada in guideline-recommended medication classes seems to be increasing over time. This is likely due to differing formulary listing and access to drug coverages. If so, future research could explore national formulary harmonization across Canada and health outcomes for patients with diabetes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».