Disparities in Screening and Treatment of Cardiovascular Diseases in Patients With Mental Disorders Across the World: Systematic Review and Meta-Analysis of 47 Observational Studies
Notice bibliographique
Résumé
OBJECTIVE: This study used meta-analysis to assess disparities in cardiovascular disease (CVD) screening and treatment in people with mental disorders, a group that has elevated CVD incidence and mortality. METHODS: The authors searched PubMed and PsycInfo through July 31, 2020, and conducted a random-effect meta-analysis of observational studies comparing CVD screening and treatment in people with and without mental disorders. The primary outcome was odds ratios for CVD screening and treatment. Sensitivity analyses on screening and treatment separately and on specific procedures, subgroup analyses by country, and by controlling for confounding by indication, as well as meta-regressions, were also run, and publication bias and quality were assessed. RESULTS: Forty-seven studies (N=24,400,452 patients, of whom 1,283,602 had mental disorders) from North America (k=26), Europe (k=16), Asia (k=4), and Australia (k=1) were meta-analyzed. Lower rates of screening or treatment in patients with mental disorders emerged for any CVD (k=47, odds ratio=0.773, 95% CI=0.742, 0.804), coronary artery disease (k=34, odds ratio=0.734, 95% CI=0.690, 0.781), cerebrovascular disease (k=8, odds ratio=0.810, 95% CI=0.779, 0.842), and other mixed CVDs (k=11, odds ratio=0.839, 95% CI=0.761, 0.924). Significant disparities emerged for any screening, any intervention, catheterization or revascularization in coronary artery disease, intravenous thrombolysis for stroke, and treatment with any and with specific medications for CVD across all mental disorders (except for CVD medications in mood disorders). Disparities were largest for schizophrenia, and they differed across countries. Median study quality was high (Newcastle-Ottawa Scale score, 8); higher-quality studies found larger disparities, and publication bias did not affect results. CONCLUSIONS: People with mental disorders, and those with schizophrenia in particular, receive less screening and lower-quality treatment for CVD. It is of paramount importance to address underprescribing of CVD medications and underutilization of diagnostic and therapeutic procedures across all mental disorders.
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) | 0,010 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».