Adherence, Switches, and Drug Spending After Angiotensin Receptor Blocker Recalls and Shortages
Notice bibliographique
Résumé
Importance: Angiotensin II receptor blockers (ARBs) are common treatments for hypertension, heart failure, and chronic kidney disease. From 2018 to 2019, hundreds of valsartan, losartan, and irbesartan products were recalled due to ingredient impurities. Objective: To estimate the impact of the 2018 to 2019 ARB shortages on medication adherence, switches to alternatives, and associated drug spending up to 18 months. Design, Setting, and Participants: This longitudinal cohort study with a difference-in-differences (DiD) analysis used pharmacy claims data from IQVIA's all-payer Formulary Impact Analyzer dataset from July 2017 to January 2020, comprising prerecall users of valsartan, irbesartan, and losartan vs similar nonrecalled medications (other ARBs, angiotensin-converting enzyme inhibitors [ACEIs]). Analyses were conducted from November 2023 to October 2025. Exposures: Use of the recalled drugs (valsartan, irbesartan, and losartan) at baseline vs comparison antihypertensives (nonrecalled ARBs, ACEIs). Main Outcomes and Measures: Mean proportion of days covered for ARBs and ACEIs, switches to alternatives, medication gaps of 30 or more days, and associated drug spending (insurer and patient out-of-pocket costs). Results: For 13.8 million ARB users (median [IQR] age in 2018, 66 [56-74] years; 54.8% female) vs 23.4 million comparison drug users (median [IQR] age in 2018, 62 [54-72] years; 46.0% female), mean proportion of days covered changed by 0.55 percentage points (pp; 95% CI, 0.34-0.76 pp) within 18 months. Relative changes in gaps of 30 or more days, insurer drug spending, and patient out-of-pocket drug spending changed by less than 5% (relative changes of -2.5%, 0.6%, and 3.7%, respectively). ARB users experienced an increase in medication switches in the 90 days after the valsartan recall (DiD estimate: 8.46 pp; 95% CI, 8.30-8.63 pp; 229.0% relative increase). Smaller increases in switching occurred after the first irbesartan and first losartan recalls (DiD estimate: 1.20 pp; 95% CI, 1.12-1.27 pp; 32.4% relative increase). The proportion of individuals switching was greater among those with Medicare (DiD estimate: 9.49 pp; 95% CI, 9.28-9.72 pp; 256.8% relative increase) or third-party insurance (DiD estimate: 7.81 pp; 95% CI, 7.57-8.04 pp; 210.8% relative increase) vs Medicaid fee-for-service insurance (DiD estimate: 2.54 pp; 95% CI, 2.31-2.77 pp; 43.1% relative increase) or among customers paying with cash (DiD estimate: 3.42 pp; 95% CI, 3.22-3.61 pp; 87.1% relative increase). Conclusions and Relevance: This cohort study shows that access to alternatives may have mitigated gaps in treatment during the 2018 to 2019 ARB recalls and drug shortages. Potential disparate impacts among certain subgroups highlight the need for policies to mitigate financial and other systematic access barriers to receiving health care during drug shortages.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».