Calcitonin Gene-Related Peptide Inhibitor Use in 2018–2023: A Retrospective Cohort Study Across Six Canadian Provinces
Notice bibliographique
Résumé
ABSTRACT Background: A better understanding of calcitonin gene-related peptide (CGRP) inhibitor use is in migraine treatment needed. Methods: A retrospective, observational, population-based cohort study was conducted using administrative data. Adults (≥18 years) who received ≥1 prophylactic CGRP inhibitor in Canada (six provinces) between 2018 (first approved) and 2023 were identified. CGRP inhibitor use was described; migraine-related acute medication and healthcare use were compared pre–post CGRP inhibitor initiation (independent and paired t -tests). Results: 12,851 adults were identified. CGRP inhibitor use increased from 11.8 (incident/prevalent) to 22.4 (incident) and 57.3 (prevalent) per 100,000 adults. Erenumab use decreased over time, as use of newer agents increased. During the 1-year period after CGRP inhibitor initiation, 57.4% had concomitant use with a different prophylactic migraine medication class (onabotulinumtoxinA injection: 23.2%; oral non-CGRP inhibitor: 34.2%), and 30.4% stopped use (21.3% switched to a different prophylactic migraine medication class; 9.1% discontinued all prophylactic migraine medication). During the 1-year period after CGRP inhibitor initiation (versus before), days of supply for migraine-related acute medication was lower (mean [standard deviation]: 129 [191] versus 145 [197] days; mean difference [95% confidence interval]: −16: [−22, −11] days), as were the number of healthcare visits (7.36 [8.70] versus 9.18 [10.10]; −1.82 [−2.06, −1.58]). Conclusion: CGRP inhibitor use increased from 2018 to 2023. After CGRP inhibitor initiation, most patients had concomitant use with a different prophylactic migraine medication class, and some stopped use; migraine-related acute medication and healthcare use were lower (versus before). Findings provide a real-world description of the evolving landscape of CGRP inhibitor use in Canada.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».