MétaCan
Menu
Retour à la cohorte
Enregistrement W4411634343 · doi:10.1136/bmjph-2024-001340

Global disparities in access to hepatitis C medicines before and during the early phase of the COVID-19 pandemic: an ARIMA-based interrupted time series analysis

2025· article· en· W4411634343 sur OpenAlexafffund
Marie Paul Nisingizwe, Mina Tadrous, Naveed Z. Janjua, Nick Bansback, Bethany Hedt‐Gauthier, Katie J. Suda, Michael R. Law

Notice bibliographique

RevueBMJ Public Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensBC Centre for Disease ControlWomen's College HospitalUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAutoregressive integrated moving averagePandemicMedicineInterrupted Time Series AnalysisDemographyTime seriesGeographyCoronavirus disease 2019 (COVID-19)Environmental healthInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

Background: The introduction of direct-acting antivirals (DAAs) has allowed countries to reduce the health and economic burden of hepatitis C virus (HCV). However, access to DAAs remains expensive and limited in many countries globally due to wide disparities in HCV drug pricing. We assessed how global use of HCV drugs has changed over time and the effect that COVID-19 might have had on DAA utilisation. Methods: We assessed longitudinal changes in DAA sales by country income group, geographical region and drug type. We also conducted an interrupted time series analysis to assess COVID-19-related changes in the trend of DAA units sold globally. Our analysis used DAA sales data from the IQVIA multinational integrated data analysis database of 52 countries and two regions and HCV prevalence data from Polaris from 2014 to 2020. Our primary outcome was the monthly rate of DAAs sold per 100 000 people living with HCV per country, country income group and geographic region. We then compared the pre-post change in DAA units by drug type and country income group. We fitted autoregressive moving average models with a ramp function to assess the impact of COVID-19 on monthly DAA units sold. Results: Across all countries, from August 2014 to August 2020, a monthly average of 44 219 DAA units per 100 000 HCV cases was sold. High-income countries purchased more units than other groups. In terms of geographic location, North America (124 144 per 100 000 HCV cases) and Europe (81 001 per 100 000 HCV cases) had the highest DAA sales over time; the newer generation of combination DAAs was mainly used in high-income countries. In contrast, first-generation and second-generation DAAs were the predominant types of DAAs sold in lower middle-income countries (LMICs). The pre-post analysis showed a 23% (p<0.001) average decrease in global sales of DAAs during the first phase of COVID-19. The decrease in LMICs (69%, p<0.001) was approximately double that of high-income countries (33%, p<0.001), while upper middle-income countries (UMICs) had a 34% (p<0.001) increase in DAA sales. The pandemic was associated with an immediate and sustained decrease of 9263 units per month (95% CI -14 668 to -3857.46) in high-income countries, a 73.14 (-850.96 to 997.24) unit increase in UMICs and a 742.58 (95% CI -5505.91 to 4020.75) unit decrease in LMICs. Conclusion: Our study showed uneven access to DAAs globally, with higher prevalence-adjusted utilisation in high-income countries compared with lower-income countries. Our study also found that the COVID-19 pandemic has significantly decreased DAA sales in many countries. To counter these trends, additional strategies, such as price reductions, increased competition among manufacturers and licensing agreements, may help to improve access and utilisation of DAAs globally.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,145
Score d'incertitude au seuil0,934

Scores Codex et Gemma par catégorie

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

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 Opus0,101
Tête enseignante GPT0,480
Écart entre enseignants0,379 · 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 tête enseignante, 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Public HealthMême sujetHepatitis C virus researchTravaux en français237 207