DMARD Utilization Patterns in Community-Dwelling Rheumatoid Arthritis Patients: Insights from Linked Primary Care and Pharmaceutical Data
Notice bibliographique
Résumé
Objectives To examine disease-modifying antirheumatic drug (DMARD) dispensation patterns among rheumatoid arthritis (RA) patients in primary care settings and explore associations between patient/physician characteristics and DMARD utilization. Methods This retrospective cohort study utilized linked primary care electronic medical records (EMRs) from the Southern Alberta Primary Care Research Network with provincial pharmaceutical dispensation data. We analyzed DMARD dispensation patterns for 597 RA patients aged ≥19 years with at least 1 primary care encounter between 2008-2020. Logistic regression was used to examine associations between patient/physician characteristics (age, sex, rurality/urbanicity, deprivation category) and DMARD utilization. Results Of 597 RA patients (72% female, mean age 55 years), 67% were dispensed at least 1 DMARD during the average 7-year follow-up. Notably, 58% had DMARD dispensations before RA documentation in their EMR, likely due to PCPs recording diagnosis after specialist confirmation and treatment initiation. Methotrexate (76%) and hydroxychloroquine (74%) were the most commonly dispensed DMARDs. Patients with no DMARDs dispensed were younger at diagnosis (mean age 52 vs 56 years) and more likely to live in deprived areas (Table). Among patients with an incident diagnosis of RA in the primary care EMR, 383/597 used conventional DMARDs, 169/597 advanced therapies (targeted synthetic or biologic), and 17/597 biologics without conventional DMARDs. These prescriptions spanned the entire follow-up period, with incident RA defined using a 2-year run-in period to account for prevalent cases. Conclusion This study suggests potential disparities in DMARD utilization, with younger patients and those from deprived areas less likely to have DMARD dispensations. However, further research is needed to explore whether these differences reflect true disparities in prescribing practices or other factors such as prescription filling behaviors, concerns about medication costs, or delays in obtaining subsidized drug coverage. Future studies should also investigate the coordination between specialists and primary care providers in RA management. These insights could inform targeted interventions to address potential socioeconomic disparities in RA care and improve treatment access and adherence. Characteristics of patients who received DMARDS compared to those who did not, linked dataset.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».