Vascular protection in peripheral artery disease: systematic review and modelling study
Notice bibliographique
Résumé
AIMS: To ascertain the effectiveness of medical therapy for reducing risk in peripheral artery disease (PAD) and to model the potential impact of combining multiple efficacious approaches. METHODS AND RESULTS: 17 electronic databases, reference lists of primary studies, clinical practice guidelines, review articles, trial registries and conference proceedings from cardiology, vascular surgery and atherosclerosis meetings were screened. Eligible studies were randomized trials or meta-analyses of randomized trials of medical therapy for PAD which reported major cardiovascular events (myocardial infarction, stroke and cardiovascular death). Baseline event rates for modelling analyses were derived from published natural history cohorts. Overall, three strategies had persuasive evidence for reducing risk in PAD: antiplatelet agents (pooled RRR 26%, 95% CI 10 to 42), statins (pooled RRR 26%, 95% CI 18 to 33) and angiotensin-converting enzyme inhibitors (individual trial RRR 25%, 95% CI 8 to 39). The estimated cumulative relative risk reduction for all three strategies was 59% (CI 32 to 76). Given a 5-year major cardiovascular event rate of 25%, the corresponding absolute risk reduction and number needed to treat to prevent one event were 15% (CI 8 to 19) and 7 (CI 5 to 12), respectively. Population level analyses suggest that increased uptake of these modalities could prevent more than 200 000 events in patients with PAD each year. CONCLUSION: The use of multiple efficacious strategies has the potential to substantially reduce the cardiovascular burden of PAD. However, these data should be regarded as hypothetical, since they are based on mathematical modelling rather than factorial randomized trials.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 ».