Socioeconomic factors and use of secondary preventive therapies for cardiovascular diseases in South Asia: The PURE study
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to determine the association of socioeconomic factors on use of cardioprotective medicines in known coronary heart disease (CHD) or stroke in South Asia. METHODS: We enrolled 33,423 subjects aged 35-70 years (women 56%, rural 53%, low education 51%, low household wealth 25%) in 150 communities in India, Pakistan and Bangladesh during 2003-2009. Information regarding socioeconomic status, disease conditions and treatments was recorded. We studied influence of rural location, educational status and household wealth on use of drug therapies. Odds ratios (ORs) and 95% confidence intervals were calculated. RESULTS: CHD was reported in 683 (2.0%), stroke 316 (0.9%), and CHD/stroke in 970 (2.9%). Median duration since diagnosis was four years. Participants with CHD/stroke were older with greater prevalence of smoking, overweight, hypertension and diabetes (p < 0.01). In patients with CHD, stroke and CHD/stroke, respectively, use (%) of antiplatelets was 11.6, 3.8 and 9.3, beta-blockers 11.9, 7.0 and 10.4, angiotensin-converting enzyme inhibitors or angiotensin receptor blockers 6.4, 1.9 and 5.3 and statins 4.8, 0.6 and 3.5. In CHD/stroke patients any one of these drugs was used in 18.1%, any two in 7.2%, any three in 2.8% and none in 81.5%. Details of drug dose were not available. Use of drugs was significantly lower in rural low education and low wealth index participants (all p < 0.01). Low wealth index participants had the lowest use of these therapies with no attenuation after multiple adjustments. CONCLUSION: The use of secondary preventive drug therapies in patients with known CHD or stroke in South Asia is low with over 80% receiving none of the effective drug treatments. Low household wealth is the most important determinant.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».