Efficacy of Allopurinol in Cardiovascular Diseases: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Given current evidence, the use of allopurinol for the prevention of major cardiovascular events (acute cardiovascular syndrome (ACS) or cardiovascular mortality) in patients undergoing coronary artery bypass graft (CABG), after index ACS or heart failure remains unknown. METHODS: Multiple databases were queried to identify studies comparing the efficacy of allopurinol in patients undergoing CABG, after ACS or heart failure. The unadjusted odds ratio (OR) was calculated using a random effect model. RESULTS: A total of nine studies comprising 850 patients (allopurinol 480, control 370) were identified. The pooled OR of periprocedural ACS (OR: 0.25, 95% confidence interval (CI): 0.06 - 0.96, P = 0.05) and cardiovascular mortality (OR: 0.22, 95% CI: 0.07 - 0.71, P = 0.01) was significantly lower in patients receiving allopurinol during CABG compared to patients in the control group. The overall number needed to treat (NNT) to prevent one ACS event was 11 (95% CI: 7 - 28), while the NNT to prevent one death was 24 (95% CI: 13 - 247). By contrast, the odds of cardiovascular mortality in the allopurinol group were not significantly different from the control group in patients on long-term allopurinol after ACS or heart failure (OR: 0.33, 95% CI: 0.01 - 8.21, P = 0.50) and (OR: 1.12, 95% CI: 0.39 - 3.20, P = 0.83), respectively. Similarly, the use of allopurinol did not reduce the odds of recurrent ACS events at 2 years (OR: 0.32, 95% CI: 0.03 - 3.18, P = 0.33). CONCLUSIONS: Periprocedural use of allopurinol might be associated with a significant reduction in the odds of ACS and cardiovascular mortality in patients undergoing CABG. Allopurinol, however, offers no long-term benefits in terms of secondary prevention of ACS or mortality. Larger scale studies are needed to validate our findings.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,037 | 0,018 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».