Mepolizumab reduced healthcare resource utilization and improved work productivity in patients with severe asthma during the REALITI-A 2-year study
Notice bibliographique
Résumé
Objective To assess the real-world impact of mepolizumab on healthcare resource utilization (HCRU) and work productivity and activity impairment (WPAI) in patients with severe asthma.Methods Asthma-related HCRU and WPAI were assessed over 2 years in the REALITI-A study—an international prospective, observational, cohort study in adults with severe asthma newly initiating mepolizumab (100 mg subcutaneous). Secondary endpoints of the study compared the proportion of patients with HCRU use, HCRU events, and WPAI component scores 12 months before mepolizumab initiation with 24 months follow-up. The relative rates of HCRU outcomes were calculated, with a treatment policy estimand for discontinuation.Results Patients (N = 822) had a mean age of 54 years and 63% were female. Hospitalization rates were reduced by 53% in the 0–12-month follow-up period (P < 0.001), and sustained for 24 months. The rates of asthma-related hospitalizations, emergency department visits, and outpatient visits reduced by 59–64% (P < 0.001) across the 24-month follow-up. The mean number of overnight hospital stays reduced from 2.4 in the pre-treatment period to 1.0 and 0.5 in the 0–12-month and 12–24-month follow-up periods, respectively. The WPAI Asthma activity impairment score was reduced from baseline by 47% and 55% at 12 months and 24 months of follow-up. Overall work impairment was reduced by 62% and 74%.Conclusions Mepolizumab treatment reduced HCRU while improving activity and productivity in patients with severe asthma over 2 years. These data provide further evidence of real-world benefits of mepolizumab and may help inform healthcare system resource allocation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».