Inequalities in the use of secondary prevention of cardiovascular disease by socioeconomic status: evidence from the PURE observational study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: There is little evidence on the use of secondary prevention medicines for cardiovascular disease by socioeconomic groups in countries at different levels of economic development. METHODS: We assessed use of antiplatelet, cholesterol, and blood-pressure-lowering drugs in 8492 individuals with self-reported cardiovascular disease from 21 countries enrolled in the Prospective Urban Rural Epidemiology (PURE) study. Defining one or more drugs as a minimal level of secondary prevention, wealth-related inequality was measured using the Wagstaff concentration index, scaled from -1 (pro-poor) to 1 (pro-rich), standardised by age and sex. Correlations between inequalities and national health-related indicators were estimated. FINDINGS: The proportion of patients with cardiovascular disease on three medications ranged from 0% in South Africa (95% CI 0-1·7), Tanzania (0-3·6), and Zimbabwe (0-5·1), to 49·3% in Canada (44·4-54·3). Proportions receiving at least one drug varied from 2·0% (95% CI 0·5-6·9) in Tanzania to 91·4% (86·6-94·6) in Sweden. There was significant (p<0·05) pro-rich inequality in Saudi Arabia, China, Colombia, India, Pakistan, and Zimbabwe. Pro-poor distributions were observed in Sweden, Brazil, Chile, Poland, and the occupied Palestinian territory. The strongest predictors of inequality were public expenditure on health and overall use of secondary prevention medicines. INTERPRETATION: Use of medication for secondary prevention of cardiovascular disease is alarmingly low. In many countries with the lowest use, pro-rich inequality is greatest. Policies associated with an equal or pro-poor distribution include free medications and community health programmes to support adherence to medications. FUNDING: Full funding sources listed at the end of the paper (see Acknowledgments).
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.
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 | 0,004 | 0,000 |
| 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 | 0,000 |
| 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 découle