Comparing the Effects of Atorvastatin on LDL Reduction through Systematic Review Method and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND & GOAL: LDL is one of the important risk factors that cause cardiovascular diseases. Improving one's lifestyle accompanied by taking medicine can be effective in reducing the amount of LDL. This study aims at comparing the effects of Atorvastatin on reducing LDL using systematic review method and meta-analysis. MATERIALS & METHODS: In this systematic review, Pub Med, Scopus, Elsevier and Google Scholar search engine were applied to do a search within the time span of 2003-2014 using standard key words. Articles which met the entrance criteria were studied. Random effects model was used to integrate the results through meta-analysis. Data were analyzed using Stata software (version 11.1). FINDINGS: In a systematic review, 11 articles were passed through the process of meta-analysis with a sample size of 3662 individuals and a mean of 333 subjects per study. The rate of LDL reduction was 33.32 milligrams per Deciliter by Atorvastatin. The meta-regression graph based on age showed that in the studies where the age of the sample has been younger, the amount of LDL has been higher and in studies with older sample age, the LDL rate has been lower. The meta-regression graph to BMI showed that people with higher BMI, showed more reduction in LDL and individuals with lower BMI, indicated less LDL reduction. CONCLUSION: According to the results of the study, LDL reduction takes place better and more quickly in the elderly and fat individuals. Atorvastatin was more effective in reducing the rate of LDL.
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 | 0,040 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,047 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».