Effects of blood pressure lowering on cardiovascular events, in the context of regression to the mean
Notice bibliographique
Résumé
OBJECTIVE: To assess the clinical relevance of regression to the mean for clinical trials and clinical practice. METHODS: MEDLINE was searched until February 2018 for randomized trials of BP lowering with over 1000 patient-years follow-up per group. We estimated baseline mean BP, follow-up mean (usual) BP amongst patients grouped by 10 mmHg strata of baseline BP, and assessed effects of BP lowering on coronary heart disease (CHD) and stroke according to these BP levels. RESULTS: Eighty-six trials (349 488 participants), with mean follow-up of 3.7 years, were included. Most mean BP change was because of regression to the mean rather than treatment. At high baseline BP levels, even after rigorous hypertension diagnosis, downwards regression to the mean caused much of the fall in BP. At low baseline BP levels, upwards regression to the mean increased BP levels, even in treatment groups. Overall, a BP reduction of 6/3 mmHg lowered CHD by 14% (95% CI 11-17%) and stroke by 18% (15-22%), and these treatment effects occurred at follow-up BP levels much closer to the mean than baseline BP levels. In particular, more evidence was available in the SBP 130-139 mmHg range than any other range. Benefits were apparent in numerous high-risk patient groups with baseline mean SBP less than 140 mmHg. CONCLUSION: Clinical practice should focus less on pretreatment BP levels, which rarely predict future untreated BP levels or rule out capacity to benefit from BP lowering in high cardiovascular risk patients. Instead, focus should be on prompt, empirical treatment to maintain lower BP for those with high BP and/or high risk.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| 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 | 0,001 |
| 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 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 ».