Real-world differences in denosumab persistence, reinitiation, and switching among cohorts of older adults in Canada and the United States
Notice bibliographique
Résumé
Denosumab is an injectable osteoporosis medication administered twice per year. Discontinuation of denosumab can result in rapid rebound fractures, but the evidence is limited on real-world persistence with denosumab. We conducted 2 parallel, population-based cohort studies leveraging (1) healthcare administrative data from Ontario, Canada (ON; 100% population) and (2) a 20% random sample of US Medicare beneficiaries (US). The first denosumab claim (US: 1/2010-12/2019; ON: 1/2012-12/2021) was identified using pharmacy claims (ON) and Medicare Parts D and B claims (US). Patients aged <66 yr, residing in long-term care (LTC), or with implausible data (eg, death before first claim) were excluded. We developed and applied an algorithm that used dosing and days between dispensations to clean denosumab claims. We assumed a days supply of 183 d for each dispensation and defined discontinuation as a 60-d gap in coverage. We estimated initial persistence, reinitiation, and switching to other osteoporosis medications using Kaplan-Meier estimators, censoring on death, disenrollment (US only), LTC admission, or study end (12/31/2022 [ON], 12/31/2020 [US]). We also estimated the monthly proportion of patients with an on-time denosumab dose to explore time trends. We identified 168 339 eligible individuals in ON (mean age = 78 yr; 90% female) and 97 595 in the US (mean age = 77 yr; 90% female). In ON, the median time to denosumab discontinuation was longer (median 2.3 yr [ON] vs 1.7 yr [US]; 3-yr persistence: 44% [ON] vs 31% [US]), and time to reinitiation was shorter (median = 0.5 yr [ON] vs 1.9 yr [US]). In both populations, around 10% switched to another osteoporosis medication. Women and those with prior oral bisphosphonate use had longer durations of denosumab treatment in ON but not in the US. The proportion persisting with on-time doses did not increase over time in the US or ON. Research to improve persistence with denosumab and optimize post-denosumab treatment is critical.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».