Inhibitors in the Management of Patients with Atherosclerotic Cardiovascular Diseases: Guidelines and Reimbursement Issues
Notice bibliographique
Résumé
Current guidelines for the management of patients with dyslipidemia define low-density lipoprotein cholesterol (LDL-C) as the primary target in addressing lipid-lowering therapy. The target level of LDL-C in real clinical practice is achieved in no more than a third of patients who have undergone a coronary event and receive high-intensity lipid-lowering therapy. Achieving the goals of lipid-lowering therapy in a significant proportion of patients with atherosclerotic cardiovascular diseases (ACVD) is impossible with the use of even high doses of statins, which requires its enhancement by other drugs. The article considers the place of proprotein convertase subtilisin/kexin type 9 (PCSK9) inhibitors in the prevention of cardiovascular diseases in patients with ACVD in accordance with the latest Russian and international guidelines. A modern decision-making algorithm for the initiation of PCSK9 inhibitors therapy in patients with ACVD is presented. The authors provide a clear understanding about the patient populations that will benefit most from the taking of PCSK9 inhibitors. Particular attention is paid to Guidelines for the management of dyslipidemias developed by European Society of Cardiology and European Atherosclerosis Society in 2019. The issues of patients provision with PCSK9 inhibitors with reference to Russian conditions are described in details in accordance with the requirements for territorial programs of state guarantees. Further improvement in the provision of PCSK9 inhibitors to patients with indications for this therapy is necessary, considering the potential of these drugs in reducing cardiovascular morbidity and mortality in patients with ACVD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».