The Association Between Market Availability and Adherence to Antihypertensive Medications: An Observational Study
Notice bibliographique
Résumé
BACKGROUND: High adherence to angiotensin-converting enzyme inhibitors (ACEIs) and angiotensin receptor blockers (ARBs) reported in observational studies has frequently been attributed to improved tolerability. However, these agents are also relatively new to the market compared to other antihypertensive medications. We aimed to determine if an association exists between adherence and market availability of a specific antihypertensive agent. METHODS: This retrospective cohort study used administrative data from Saskatchewan, Canada. Subjects were ≥40 years of age and received a new antihypertensive medication between 1994 and 2002. The primary outcome was the proportion of subjects achieving optimal adherence (≥80%) at 1 year, stratified by antihypertensive medication class and the year of availability. Adherence was measured using the cumulative mean gap ratio. RESULTS: A total of 36,214 subjects met the inclusion criteria. Optimal adherence was observed in 4987 of 8623 (57.8%) subjects receiving ACEIs and 1013 of 1600 (63.3%) subjects receiving ARBs, but adherence appeared inconsistent when examined within each antihypertensive class. A pattern of increasing mean adherence was observed according to availability in the ACEI subgroup (Spearman r = 0.82; P = 0.007) but not the ARB subgroup (Spearman r = 0.41; P = 0.49). However, the association between availability and optimal adherence converged when ARB and ACEI users were combined (Spearman r = 0.85, P < 0.001). CONCLUSIONS: Optimal adherence with ACEIs and ARBs compared to other antihypertensive agents may be associated with their relative availability. To what extent optimal adherence is also associated with improved tolerability, as currently believed, remains to be determined.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».