Trends of use of drugs with suggested shortages and their alternatives across 52 real world data sources and 18 countries in Europe and North America
Notice bibliographique
Résumé
Abstract Importance Drug shortages leave affected patients in a vulnerable position. Objective To describe incidence and prevalence of use for medicines with suggested shortages in at least one European country, as announced by the European Medicines Agency, and to characterise the users of these drugs including the indication of use, duration of use, and dosage. Design We performed a descriptive cohort study from 2010 and up to 2024 in a network of databases which have mapped their data to the Observational Medical Outcomes Partnership (OMOP) Common Data Model (CDM). Setting Settings included primary care, secondary care, claims and various disease registries. Participants We included all patients with at least 365 days of history on the database. Exposures All medicines with a suggested shortage in at least one European country for more than 365 days (n=18). We also assessed their key alternatives (n=39). Main outcomes and measures We estimated annual incidence rates and period prevalence. A drop in incidence or prevalence of >33% after the shortage was announced was considered confirmation of a shortage. Results Among 52 databases from Europe and the United States, we observed shortages according to decreased incidence of use for 8 drugs and shortages according to prevalence of use for 9 drugs. The drugs varenicline and amoxicillin alone or plus clavulanate were in shortage in the most number of countries. Conclusion and relevance We compiled and analysed data of annual incidence and prevalence of use plus information on patient characteristics, indication, and dose for 57 medicines among 52 databases in Europe and the United States between 2010 and 2024. We detected shortages and observed a change in the users’ characteristics for several drugs. We have described timely real-world scenarios of drug shortages and those unobserved in various health care settings and countries which helps to better understand how drug shortages play out in real life.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».