Navigating the Roadblocks: National Patient and Provider Survey on Barriers to Healthcare and Medication Access for Patients With Vasculitis
Notice bibliographique
Résumé
OBJECTIVE: Timely diagnosis, specialized care, and medication access are critical for managing vasculitis. This study quantified barriers to care reported by patients and healthcare providers (HCPs). METHODS: Two primarily quantitative surveys were disseminated from September 2022 to June 2023 to 100 patients with vasculitis and 31 HCPs, through the Vasculitis Foundation Canada and the Canadian Rheumatology Association. This study was a secondary descriptive analysis of the data to analyze patient and HCP perspectives on diagnostic delays, appointment access, and medication challenges. RESULTS: Diagnostic delays were common, with 66% of patients reporting initial misdiagnoses, and 35% consulting ≥ 5 doctors before receiving a diagnosis of vasculitis. Among those referred to rheumatology, 57% waited > 1 month for an appointment. HCPs cited a lack of family physicians (74%), long waitlists (58%), and inappropriate referrals (48%) as major barriers. Forty-four percent of patients reported challenges associated with medication use, particularly related to adverse effects, out-of-pocket costs, and limited insurance coverage. Eighty-three percent of patients reported hospital visits at least once for vasculitis-related symptoms, most commonly due to disease flare. Eighty percent of HCPs reported challenges with prescribing or accessing medications for vasculitis, including issues associated with prior authorizations and step therapy protocols. Rituximab was the most commonly mentioned medication associated with these challenges. CONCLUSION: This study identified substantial barriers to vasculitis care, including diagnostic delays and limited access to medications. Targeted interventions, such as improving referral pathways, expanding provider availability, and reducing administrative burdens, are essential to improving access for this vulnerable population.
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 | 0,002 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».