Antihypertensive persistence and drug class.
Notice bibliographique
Résumé
BACKGROUND: Noncompliance with antihypertensive therapy is a major problem that hinders successful hypertension management. OBJECTIVE: To study antihypertensive drug persistence for hypertensive patients in routine clinical settings. METHODS: Hypertensive patients were retrospectively studied (1994 through 1998) using databases managed by Saskatchewan Health. The study population (46,458 people) included all patients with an International Classification of Diseases-9 code of 401, 402, 403 or 404, or any four-digit code included in these categories, who received at least one antihypertensive therapy prescription during the first 4.5 years of the study and received no antihypertensive therapy 12 months before the dispensing of the first therapy. Prescriptions were placed into the following drug classes: angiotensin II antagonists, angiotensin-converting enzyme inhibitors, beta-blockers, calcium channel blockers and diuretics. Persistence was determined for four intervals in the patient's therapy at 180, 360, 540 and 720 days. RESULTS: Drug class had a statistically significant (P<0.001) effect on persistence. Angiotensin II antagonists had the highest persistence followed by angiotensin-converting enzyme inhibitors, calcium channel blockers, beta-blockers and diuretics. Persistence decreased as the time interval increased. Females were significantly more persistent than males (P<0.005), and elderly patients were significantly more persistent than younger patients (P<0.001) at each of the four time intervals. For angiotensin II antagonists, age and sex did not affect persistence. CONCLUSIONS: The consistently higher persistence associated with the use of angiotensin II antagonists may improve the management of hypertension.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».