Type d'assurance médicaments et degré de sévérité du psoriasis : une étude de cohortes rétrospective
Bibliographic record
Abstract
L'assurance médicaments au Canada est formée d'une mosaïque de régimes publics et privés. Ce système fait l'objet de critiques depuis plusieurs décennies. En juin 2019, le Conseil consultatif sur la mise en œuvre d'un régime national d'assurance médicaments a recommandé la création d'un régime national public et universel à payeur unique pour la couverture des médicaments d'ordonnance au Canada. Parmi les problématiques invoquées : le coût des agents biologiques est disproportionnellement élevé par rapport au nombre de réclamations correspondantes. En psoriasis, les critères de remboursement basés sur des scores de sévérité et l'échec aux traitements antérieurs sont exigeants. Plusieurs études en maladies auto-immunes ont observé une association entre le régime d'assurance des patients et l'accès aux agents biologiques, plus souvent au détriment des individus assurés au public. Nous avons évalué l'accès aux agents biologiques en psoriasis entre les groupes d'assurance médicaments (public versus privé) en comparant : 1) les scores de sévérité au moment de la prescription; 2) les scores de sévérité au renouvellement; 3) la réponse au traitement; 4) le délai entre la prescription et la première dose du médicament. Cette étude de cohortes rétrospective incluait des patients avec psoriasis traités à l'aide d'un agent biologique prescrit par un dermatologue entre 01/09/2015-31/08/2019. Les données ont été collectées à partir des dossiers médicaux et les analyses réalisées avec SAS® Studio 3.8. Les patients assurés au public (n=78) versus privé (n=93) n'étaient pas différents selon les critères étudiés. Leurs caractéristiques différaient toutefois, notamment : l'âge plus élevé (p<.0001) et la plus forte prévalence d'ordonnance pour compassion (p<.0001) au public. L'étude ne révèle pas d'inégalité dans l'accès aux médicaments entre les groupes. La forte prévalence de compassion au public (42% versus 14%) et de psoriasis sur des sites particuliers (85%) pourrait occulter la présence de différence mesurée sur le PASI.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".