Comparison of Efficacy and Safety of Rosuvastatin, Atorvastatin and Pravastatin among Dyslipidemic Diabetic Patients
Notice bibliographique
Résumé
Objectives. To investigate the efficacy and the safety of the three most commonly prescribed statins (rosuvastatin, atorvastatin, and pravastatin) for managing dyslipidemia among diabetic patients in Qatar. Subjects and Methods. This retrospective observational population-based study included 350 consecutive diabetes patients who were diagnosed with dyslipidemia and prescribed any of the indicated statins between September 2005 and September 2009. Data was collected by review of the Pharmacy Database, the Electronic Medical Records Database (EMR viewer), and the Patient's Medical Records. Comparisons of lipid profile measurements at baseline and at first- and second-year intervals were taken. Results. Rosuvastatin (10 mg) was the most effective at reducing LDL-C (29.03%). Atorvastatin reduced LDL-C the most at a dose of 40 mg (22.8%), and pravastatin reduced LDL-C the most at a dose of 20 mg (20.3%). All three statins were safe in relation to muscular and hepatic functions. In relation to renal function, atorvastatin was the safest statin as it resulted in the least number of patients at the end of 2 years of treatment with the new onset of microalbuminuria (10.9%) followed by rosuvastatin (14.3%) and then pravastatin (26.6%). Conclusion. In the Qatari context, the most effective statin at reducing LDL-C was rosuvastatin 10 mg. Atorvastatin was the safest statin in relation to renal function. Future large-scale prospective studies are needed to confirm these results.
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 | 0,000 |
| 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 ».