Non-Medical Switching or Discontinuation Patterns among Patients with Non-Valvular Atrial Fibrillation Treated with Direct Oral Anticoagulants in the United States: A Claims-Based Analysis
Notice bibliographique
Résumé
This study assessed direct-acting oral anticoagulant (DOAC) switching/discontinuation patterns in patients with non-valvular atrial fibrillation (NVAF) in 2019, by quarter (Q1–Q4), and associated socioeconomic risk factors. Adults with NVAF initiating stable DOAC treatment (July 2018–December 2018) were selected from Symphony Health Solutions’ Patient Transactional Datasets (April 2017–January 2021). Switching/discontinuation rates were reported in 2019 Q1–Q4, separately. Non-medical switching/discontinuation (NMSD) was defined as the difference between switching/discontinuation rates in Q1 and mean rates across Q2–Q4. The associations of socioeconomic factors with switching/discontinuation were assessed. Of 46,793 patients (78.7% ≥ 65 years; 52.6% male; 7.7% Black), 18.0% switched/discontinued their initial DOAC in Q1 vs. 8.8% on average in Q2–Q4, corresponding to an NMSD of 9.2%. During the quarter following the switch/discontinuation, more patients who switched/discontinued in Q1 remained untreated (Q1: 77.0%; Q2: 74.3%; Q3: 71.2%) and fewer reinitiated initial DOAC (Q1: 17.6%; Q2: 20.8%; Q3: 24.0%). Factors associated with the risk of switching/discontinuation in Q1 were race, age, gender, insurance type, and household income (all p < 0.05). More patients with NVAF switched/discontinued DOACs in Q1 vs. Q2–Q4, and more of them tended to remain untreated relative to those who switched/discontinued later in the year, suggesting a potential long-term impact of NMSD. Findings on factors associated with switching/discontinuation highlight potential socioeconomic discrepancies in treatment continuity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».