Use of ezetimibe results in more patients reaching lipid targets without side effects
Notice bibliographique
Résumé
Ăvod: Mechanismus ĂşÄinku ezetimibu doplĹuje ĂşÄinek statinĹŻ, a tudĂĹž je ezetimib vhodnou lĂŠÄbou pro pacienty, kteĹĂ netolerujĂ hypolipidemika, nebo pro ty, kteĹĂ nedosahujĂ cĂlovĂ˝ch hodnot lipidĹŻ.CĂl: Zhodnotit ĂşÄinnost a bezpeÄnost ezetimibu pĹi dlouhodobĂŠm sledovĂĄnĂ pacientĹŻ v lipidologickĂŠ ambulanci s dĹŻrazem na motivaci k lĂŠÄbÄ a vliv na dosaĹženĂ cĂlovĂ˝ch hodnot lipidĹŻ.Metody: V naĹĄĂ databĂĄzi jsme identifikovali 295 ambulantnĂch pacientĹŻ, u kterĂ˝ch byla zahĂĄjena lĂŠÄba ezetimibem v dobÄ 13 mÄsĂcĹŻ po uvedenĂ tohoto lĂŠku na kanadskĂ˝ trh. AnamnestickĂĄ a laboratornĂ data byla shromaĹžÄovĂĄna pĹed zahĂĄjenĂm lĂŠÄby a pĹi prvnĂ nĂĄvĹĄtÄvÄ po zahĂĄjenĂ lĂŠÄby. Pro statistickĂŠ srovnĂĄnĂ ĂşÄinku ezetimibu na parametry lipidovĂŠho metabolismu byl pouĹžit pĂĄrovĂ˝ t-test a pro hodnocenĂ ĂşÄinku na dosaĹženĂ cĂlovĂ˝ch hodnot lipidĹŻ byl pouĹžit χ2 test.VĂ˝sledky: LĂŠÄba ezetimibem vedla ke zvýťenĂ podĂlu pacientĹŻ, kteĹĂ dosĂĄhli cĂlovĂŠ hodnoty lipidĹŻ (o 25 % pro LDL cholesterol a o 21,7 % pro pomÄr celkovĂŠho/HDL cholesterolu; p ≤ 0,001). Monoterapie ezetimibem vedla k vĂ˝znamnĂŠmu snĂĹženĂ LDL cholesterolu o 18 % (p < 0,001) a pomÄru celkovĂŠho/HDL cholesterolu o 15 % (p < 0,011). ĂÄinek ezetimibu kombinovanĂŠho s jinĂ˝mi hypolipidemiky byl obdobnĂ˝; LDL cholesterol se snĂĹžil o 22 % (p < 0,001) a pomÄr celkovĂŠho/HDL cholesterolu o 15,4 % (p < 0,011). StejnĂ˝ hypolipidemickĂ˝ ĂşÄinek byl zjiĹĄtÄn u diabetikĹŻ. V tĂŠto podskupinÄ nemocnĂ˝ch vedlo pĹidĂĄnĂ ezetimibu k dosavadnĂ lĂŠÄbÄ k trojnĂĄsobnĂŠmu nĂĄrĹŻstu pacientĹŻ, kteĹĂ dosĂĄhli cĂlovĂ˝ch hodnot LDL cholesterolu, a dvojnĂĄsobnĂŠmu nĂĄrĹŻstu poÄtu pacientĹŻ, kteĹĂ dosĂĄhli cĂlovĂŠho pomÄru celkovĂŠho/HDL cholesterolu. Pouze 7 % pacientĹŻ pĹeruĹĄilo lĂŠÄbu pro neŞådoucĂ ĂşÄinky.ZĂĄvÄr: U pacientĹŻ, kteĹĂ byli odeslĂĄni do specializovanĂŠho lipidologickĂŠho centra (typicky pro neŞådoucĂ ĂşÄinky hypolipidemik nebo nemoĹžnost dosĂĄhnout cĂlovĂ˝ch hodnot), vedla lĂŠÄba ezetimibem k vĂ˝znamnĂŠmu nĂĄrĹŻstu podĂlu tÄch, kteĹĂ dosĂĄhli cĂlovĂ˝ch hodnot lipidĹŻ. Tato lĂŠÄba nebyla provĂĄzena vĂ˝znamnĂ˝mi neŞådoucĂmi ĂşÄinky.
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 | 0,001 | 0,002 |
| 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 ».