Secondary CV Prevention in South America in a Community Setting: The PURE Study
Notice bibliographique
Résumé
BACKGROUND: Despite the availability of evidence-based therapies, there is no information on the use of medications for the secondary prevention of cardiovascular disease in urban and rural community settings in South America. OBJECTIVES: This study sought to assess the use, and its predictors, of effective secondary prevention therapies in individuals with a history of coronary heart disease (CHD) or stroke. METHODS: In the PURE (Prospective Urban Rural Epidemiological) study, we enrolled 24,713 individuals from South America ages 35 to 70 years from 97 rural and urban communities in Argentina, Brazil, Chile, and Colombia. We assessed the use of proven therapies with standardized questionnaires. We report estimates of drug use at national, community, and individual levels and the independent predictors of their utilization through a multivariable analysis model. RESULTS: Of 24,713 individuals, 910 had a self-reported CHD event (at a median of 5 years earlier) and 407 had stroke (6 years earlier). The proportions of individuals with CHD who received antiplatelet medications (30.1%), beta-blockers (34.2%), angiotensin-converting enzyme inhibitors, or angiotensin-receptor blockers (36.0%), or statins (18.0%) were low; with even lower proportions among stroke patients (antiplatelets 24.3%, angiotensin-converting enzyme inhibitors/angiotensin-receptor blockers 37.6%, statins 9.8%). A substantial proportion of patients did not receive any proven therapy (CHD 31%, stroke 54%). A minority of patients received either all 4 (4.1%) or 3 proven therapies (3.3%). Male sex, age >60 years, better education, more wealth, urban location, diabetes, and obesity were associated with higher rates of medication use. In a multivariable model, markers of wealth had the largest impact in secondary prevention. CONCLUSIONS: There are large gaps in the use of proven medications for secondary prevention of cardiovascular disease in South America. Strategies to improve the sustained use of these medications will likely reduce cardiovascular disease burden substantially.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».