Factors influencing underutilization of evidence-based therapies in women
Notice bibliographique
Résumé
Aims Previous studies have reported differences in the use of cardiovascular medications for acute coronary syndromes (ACSs) according to the sex of the patient. We analysed which clinical factors are associated with underutilization of evidence-based therapies in women. Methods and results From the Canadian Registry of ACS I and II, 6558 patients (4471 men and 2087 women) with a final diagnosis of ACS were selected for the current analysis. Covariates were chosen using the approach described by Blackstone. The final selected model included 23 patient clinical variables. Women were less likely than men to receive beta-blockers (75.76 vs. 79.24%; P < 0.01), lipid-modifying agents (56.37 vs. 65.44%; P < 0.0001), and angiotensin-converting enzyme (ACE)-inhibitors (55.52 vs. 59.99%; P < 0.01). Female sex and clinical decision not to investigate with cardiac catheterization were the strongest independent predictors for not receiving lipid-modifying agents and ACE-inhibitors. Age, Killip class 2, and Killip class 3/4 were significant independent predictors of underutilization of beta-blocker use. Women were older (69 ± 12 vs. 64 ± 12; P < 0.01) with a higher prevalence of Killip class ≥ 2 (19.95 vs. 15.54%; P < 0.068), and they were less likely to be referred for cardiac catheterization (41.9 vs. 49.6 %; P < 0.001). Conclusions The current findings demonstrate that underutilization of evidence-based therapies in women with ACS compared with men is associated with multiple factors related to the patient (age), the consequences of the disease (congestive heart failure), and the physician's assessment of patient risk (decision to catheterize). Female gender remains associated with underutilization of lipid-modifying agents and ACE-inhibitors despite adjustment for these confounders.
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 | 0,017 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».