Antithrombotic Management after an Ischemic Stroke in French Primary Care Practice: Results from Three Pooled Cross-Sectional Studies
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: We aimed at quantifying and explaining the underuse of antithrombotic treatments after an ischemic stroke in patients seen in French primary care. METHODS: We pooled all ischemic stroke patients included in 3 observational primary care-based observational studies. French general practitioners and cardiologists recruited 14,544 patients with atherothrombotic disease including 4,322 with an ischemic stroke. Antithrombotic therapies and risk factors were prospectively recorded. Patients with atrial fibrillation (AF) were considered appropriate for oral anticoagulants (OAC) and those without AF for antiplatelet drugs. RESULTS: Out of the 4,322 stroke patients, 3,732 (86.3%) were taking at least one antithrombotic drug. Among the 765 patients with AF, 333 (43.5%) received OAC and 2,718 (86.9%) out of the 3,129 patients appropriate for antiplatelet drug were taking antiplatelet drug. Multivariate analyses did not single out any risk factors for nonuse of OAC and showed that female sex (OR = 1.48; IC 95%: 1.14-1.92) was associated with nonuse of antiplatelet drugs. Conversely, past myocardial infarction (OR = 0.44; IC 95%: 0.26-0.71) and hypercholesterolemia (OR = 0.64; IC 95%: 0.50-0.81) were associated with appropriate use of antiplatelet drugs. CONCLUSION: More than 50% of stroke patients with AF do not receive OAC and 15% of those without AF do not receive antiplatelet drugs. These findings are not satisfactorily explained by the main patients' characteristics and practitioner's speciality and underline the complexity of the process which allows the transfer of scientific evidence in clinical practice.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».