Effect of Ezetimibe Added to High-Intensity Statin Therapy on Low-Density Lipoprotein Cholesterol Levels: A Meta-Analysis
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: Adding ezetimibe to high-intensity statin therapy is used for additional lowering of low-density lipoprotein cholesterol (LDL-C); however, there are little data on the efficacy of ezetimibe when combined with a high-intensity statin. A meta-analysis was performed to evaluate the efficacy of ezetimibe added to high-intensity statin therapy on LDL-C levels. Methods: A literature search from database inception to May 2020 was performed using PubMed, EMBASE and Cochrane Central Register of Controlled Trials. The Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines were used in this meta-analysis, in which the random-effects model was adopted for the calculation of the mean difference (MD). The Cochrane Collaboration’s tool for assessing the risk of bias was used to evaluate the quality of the included trials. Results: A total of 14 trials with 2,007 patients were included in this study. Compared to the high-intensity statin monotherapy, the MD in LDL-C reduction with high-intensity statin therapy plus ezetimibe was -14.00% (95% confidence interval: -17.78 to -10.22; P < 0.001) with a moderate degree of heterogeneity (P < 0.001, I 2 = 66%). No significant publication bias among the included trials was identified. Conclusions: Our study found that adding ezetimibe to high-intensity statin therapy provided a significant but attenuated incremental reduction in LDL-C levels. Whether the magnitude of this additional lowering of LDL-C levels would lead to benefits in clinical cardiovascular outcomes needs further investigation. Cardiol Res. 2021;12(2):98-108 doi: https://doi.org/10.14740/cr1224
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle