Cardiovascular Risk and Statin Use in the United States
Notice bibliographique
Résumé
PURPOSE: Statins reduce the risk of mortality and coronary artery disease in individuals at high cardiovascular risk. Using nationally representative data, we examined the relationships between statin use and cardiovascular risk, diagnosis of hyperlipidemia, and other risk factors. METHODS: We analyzed data from the 2010 Medical Expenditure Panel Survey, a nationally representative survey of the U.S. civilian noninstitutionalized population. The study sample had a total of 16,712 individuals aged 30 to 79 years. Those who reported filling at least 2 statin prescriptions were classified as statin users. We created multiple logistic regression models for statin use as the dependent variable, with cardiovascular risk factors and sociodemographic factors as independent variables. RESULTS: Overall, 58.2% (95% CI, 54.6%-61.7%) of individuals with coronary artery disease and 52.0% (95% CI, 49.4%-54.6%) of individuals with diabetes aged older than 40 years were statin users. After adjusting for cardiovascular risk factors and sociodemographic factors, the probability of being on a statin was significantly higher among individuals with both hyperlipidemia and coronary artery disease, at 0.44 (95% CI, 0.40-0.48), or hyperlipidemia only, at 0.32 (95% CI, 0.30-0.33), than among those with coronary artery disease only, at 0.11 (95% CI, 0.07-0.15). A similar pattern was seen in people with diabetes. CONCLUSIONS: In this nationally representative sample, many people at high risk for cardiovascular events, including those with coronary artery disease, diabetes, or both, were not receiving statins despite evidence that these agents reduce adverse events. This undertreatment appears to be related to placing too much emphasis on hyperlipidemia and not enough on cardiovascular risk. Recently released guidelines from the American College of Cardiology and the American Heart Association offer an opportunity to improve statin use by focusing on cardiovascular risk instead of lipid levels.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».