MétaCan
Menu
Retour à la cohorte
Enregistrement W4411846557 · doi:10.3899/jrheum.2025-0314.46

Frequency and Impact of Off-Label Biologic Prescriptions in Pediatric Rheumatology

2025· article· en· W4411846557 sur OpenAlexaffvenueabout
Christian Becker, Audrea Chen, Lillian Lim, Tara McGrath, Dax G. Rumsey, Maryna Yaskina, Daniah Basodan

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of Alberta HospitalUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionRheumatologyPediatricsInternal medicineFamily medicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Objectives Over the past 25 years, biologic disease-modifying antirheumatic drugs (bDMARDs) have dramatically altered pediatric rheumatology practice and treatment outcomes. However, many bDMARDs have no on-label indications for pediatric rheumatological conditions in North America. In clinical practice, this gap creates a significant barrier for care. The objectives of this study were to 1) assess the frequency of off-label bDMARD prescriptions across pediatric rheumatological conditions in patients followed at the Stollery Children’s Hospital and the Glenrose Rehabilitation Hospital in Edmonton, Alberta, and 2) assess the impact label indication has on funding approval. Methods A retrospective chart review was conducted on patients with bDMARDs prescriptions at our 2 outpatient pediatric rheumatology clinics. Charts were identified through a list created by nursing staff of all patients on bMARDs. Patients were included if the bDMARD was started at our clinic for prescriptions between January 2015 to June 2023; there was a pediatric rheumatologic indication, and the patient was ≤18 years old at time of prescription. Duplicates, unfilled prescriptions, and non-bDMARD prescriptions were excluded. We tabulated the Health Canada and the FDA online databases on-label indications of prescribed bDMARDs (as of March 2024). Prescriptions and indication status were reviewed individually by the first and senior author and then reviewed together. Descriptive analysis was done with categorical data summarized as frequencies and percentages and numerical data as means and standard deviations (SD). Results 215 charts and 378 prescriptions were included (Table 1). The median age at diagnosis was 8.75 with SD 4.59. Juvenile Idiopathic Arthritis (JIA) was the most common diagnosis (n=158, 73.5%). The most prescribed bDMARDs were adalimumab (n=188, 44.3%), etanercept (n=75, 19.8%) and Tocilizumab (n=35, 9%). Across all included bDMARD prescriptions, 50.5% (n=191) were for use in an off-label indication. 151 patients (70.2%) had no insurance denials for coverage while 64 (29.8%) had ≥ 1 denials. Table 1. Patient diagnoses, rheumatologic medications prescribed, bDMARDs prescribed, and insurance coverage denials for outpatient pediatric rheumatology patients prescribed a bDMARD. Conclusion At our pediatric rheumatology center in Alberta, 50.5% of bDMARD prescriptions were for an off-label indication. 29.8% of our patients had at least 1 denial of medication coverage. This indicates that this widening gap between clinical and labeling indications in daily clinical practice may contribute to challenges in patient care. Further analysis is underway to examine the impact of off-label prescriptions on the approval of different funding streams.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,381
Écart entre enseignants0,336 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetPharmaceutical studies and practicesTravaux en français237 207