Muster patientenverfügung 2018

Tabelle 2 fasst die Verwendungsmuster von HAE-Medikamenten im Verlauf des Studienzeitraums zusammen. Jede Anwendung von C1-INH(IV) wurde bei 68,8% (n = 434) der Patienten beobachtet, von denen etwa die Hälfte auch Icatibant oder Ecallantid erhielt. Etwa ein Drittel (31,2%; n = 197) der Patienten hatten ausschließlich Ansprüche auf SC HAE-Medikamente (Icatibant oder Ecallantid) ohne gleichzeitige Anwendung von C1-INH(IV). Die ausschließliche Anwendung von C1-INH(IV) wurde bei 37,2 % der Patienten beobachtet, und die restlichen 31,5 % der Patienten hatten Ansprüche sowohl auf SC- als auch auf IV-Medikamente. Der vorgeschlagene Clustering-Algorithmus, dargestellt in Abb. 5b, gehört zur Klasse der unbeaufsichtigten maschinellen Lernmethoden und wird wie folgt beschrieben. Der erste untersuchte Krankheitsverlauf wird automatisch Cluster 1 zugeordnet. Bei einer neuen eingehenden Flugbahn new_traj, die gruppiert werden muss, wird der mittlere Abstand zwischen new_traj und allen Elementen jedes vorhandenen Clusters berechnet (z. B. Trajektorien traj i , i = 1, 2, 3 für Cluster 1 und i = 4, 5 für Cluster 2). Zu diesem Zweck wird der DTW-Algorithmus zwischen der neuen und jeder Flugbahn eines vorhandenen Clusters angewendet, und wie bereits erwähnt, werden die globalen Kosten A i (N, M), die sich aus der akkumulierten Entfernungsmatrix A gemäß Gleichung (2) ergeben, als Maß für die Entfernung zwischen jedem Flugbahnpaar verwendet. Anschließend wird der mittlere Abstand (globale Kosten) zwischen der neuen Flugbahn und allen Elementen eines vorhandenen Clusters berechnet und der minimale mittlere Abstand identifiziert. Wenn der minimale mittlere Abstand unter einem vordefinierten Schwellenwert liegt, wird die neue Flugbahn dem Cluster zugewiesen, der einen solchen durchschnittlichen Mindestabstand erzeugt.

Andernfalls wird ein neuer Cluster generiert, der nur aus der neuen Krankheitsbahn new_traj besteht. Der Schwellenwert muss entsprechend gewählt werden, als Kompromiss zwischen der Zusammenführung wichtiger Cluster (für größere Werte des Schwellenwerts) und einer übermäßigen Fragmentierung (für niedrigere Werte des Schwellenwerts). Der Clusteringprozess wird auf die gleiche Weise wiederholt, bis keinem Cluster andere Trajektorien zugewiesen werden müssen. Es folgt ein halbautomatischer Post-Refinement-Schritt, um mögliche Fehler zu überprüfen und zu korrigieren, die möglicherweise durch Krankheiten entstanden sind, die Metriken mit geringer Entfernung erzeugen (wie im hierarchischen ICD-9-Kodierungssystem definiert), aber zu verschiedenen benachbarten Krankheitsuntergruppen gehören16. In solchen Fällen werden die Cluster weiter in kleinere Teilcluster aufgeteilt. Schließlich werden die erhaltenen Cluster manuell überprüft, um zu entscheiden, ob eine weitere Zusammenführung oder Fragmentierung erforderlich ist. Reale Daten über die Verwendung und die damit verbundenen Ergebnisse mit erblichen Angioödem (HAE)-spezifischen Medikamenten, die seit 2009 auf dem US-Markt eingeführt werden, sind sehr begrenzt. Ziel dieser retrospektiven Studie war es, die realen Behandlungsmuster von HAE-spezifischen Medikamenten in den USA zu bewerten und deren Auswirkungen auf die Ressourcennutzung im Gesundheitswesen (HCRU) zu bewerten. Diese Analyse verwendete IMS PharMetrics PlusTM Datenbankaufzeichnungen (2006–2014) von Patienten mit HAE, einen Versicherungsanspruch für ein HAE-spezifisches Medikament und eine kontinuierliche Versicherungsregistrierung für 3 Monate nach dem ersten HAE-Verschreibungsanspruch.

This entry was posted in Uncategorized. Bookmark the permalink.
Relaterade inlägg: Warning: count(): Parameter must be an array or an object that implements Countable in /customers/0/2/a/teamhoffstedt.se/httpd.www/wp-content/plugins/post-plugin-library/common_functions.php on line 174
    None Found