Persistent lipid abnormalities in statin-treated patients and predictors of LDL-cholesterol goal achievement in clinical practice in Europe and Canada
Notice bibliographique
Résumé
BACKGROUND: The prevalence of persistent lipid abnormalities in patients receiving statins in primary and secondary care is needed to formulate recommendations for future treatment. Studies associating cardiovascular risk factors with lipid target goal achievement are lacking. DESIGN: A cross-sectional, observational study that assessed the prevalence of persistent dyslipidemia in patients treated with statins and analyzed predictors of lipid target achievement. METHODS: Serum lipid values of 22,063 statin-treated patients were studied in the context of their cardiovascular risk factors, and the potency and composition of their lipid-lowering treatment. European Society of Cardiology recommendations were used to classify patient risk, and to define LDL-cholesterol goal and normal levels for HDL-cholesterol and triglycerides. RESULTS: Overall, 48.2% of patients did not achieve the therapeutic goal for LDL-cholesterol, either as a single lipid anomaly or associated with low HDL-cholesterol, elevated triglycerides, or both. Lack of goal achievement was more prevalent among low-risk patients (55.8%) than high-risk patients (46.8%). Serum LDL-cholesterol levels were lower in high-risk patients. Predictors associated with LDL-cholesterol goal achievement were higher statin dose (odds ratio (OR): 0.35), specialist treatment (OR: 0.74), or combined lipid-lowering therapy (OR: 0.80). CONCLUSIONS: Nearly half of statin-treated patients missed their therapeutic LDL-cholesterol goal, highlighting a gap between recommendations and clinical practice. Better achievement of LDL-cholesterol therapeutic goal was found among patients at high cardiovascular risk, those on high statin doses or using combination therapy, and patients managed by specialists. Results suggest that residual dyslipidemia in statin-treated patients at low cardiovascular risk may be reduced by increasing statin dose.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».