Abstract 086: Secondary Prevention of Cardiovascular Disease in Patients With Type 2 Diabetes: International Insights From the TECOS Trial
Notice bibliographique
Résumé
Background: Intensive risk factor modification significantly improves outcomes for patients with diabetes and cardiovascular disease (CVD). However, the degree to which secondary prevention treatment targets are achieved in international clinical practice is unknown. Methods: Attainment of 5 secondary prevention targets—aspirin use, lipid control (low-density lipoprotein cholesterol (LDL-C) <70 mg/dL or statin therapy), blood pressure control (<140 mmHg systolic, <90 mmHg diastolic), angiotensin-converting enzyme inhibitor or angiotensin receptor blocker use, and non-smoking status—was evaluated among 14,671 patients from 38 countries with diabetes and known CVD at entry into TECOS. Logistic regression was used to evaluate the association between individual and regional factors and target achievement. Results: Overall, 29.9% of patients with diabetes and CVD had all 5 secondary prevention measures at target. North America had the highest proportion (41.2%), whereas Western Europe, Eastern Europe, and Latin America had proportions of approximately 25%. The likelihood of having individual prevention components at target also varied by region: compared with North America, individuals in all other regions were less likely to have blood pressure at goal, and individuals in Eastern Europe and Latin America were less likely to have LDL-C at target or to be on statin therapy (see Figure). Overall, blood pressure control (57.9%) had the lowest overall attainment while non-smoking status had the highest (89%). Conclusions: On a global scale, significant opportunities exist to improve the quality of cardiovascular secondary prevention care among patients with diabetes and CVD, which in turn could lead to reduced risk of downstream cardiovascular events.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».