Abstract 13669: Secondary Prevention Aspirin Trends in the Upper Midwest, 2015-2019
Notice bibliographique
Résumé
Introduction: Secondary prevention (SP) aspirin use after a cardiovascular disease (CVD) event is strongly recommended and supported by consistent guidelines. Aspirin recommendations for primary prevention have varied over time, recently becoming more restrictive after clinical trials published in 2018. Hypothesis: Negative scientific and media attention regarding primary prevention aspirin would result in unintentional decline in SP aspirin use. Methods: We conducted random telephone surveys of adults aged 45-79 years in the upper Midwest in 2015, 2017, and 2019. We queried participant demographics, CVD history and risk factors and aspirin use. Using logistic regression, we evaluated i) the trend in SP aspirin use over the 3 surveys and ii) characteristics associated with SP aspirin non-use, adjusting for other antithrombotic use. Results: A total of 1907 adults with history of CVD provided data for analysis, median age 70 years, 38% female. There was no significant change in SP aspirin use in the total sample, nor by age, sex, or CVD risk factors. SP aspirin use was significantly lower among participants with 0-1 CVD risk factors compared with those diagnosed with ≥2 (Figure). Younger participants also used aspirin less frequently (67% for <60 years vs 76% for 60+ years). Respondents who talked with their healthcare provider about aspirin had much higher aspirin use than those who did not (87% vs 60%). In the 2019 survey, 11% of participants stopped aspirin. Stoppers were more likely to be on another antithrombotic medication (61% vs 43%) and less likely to have the diagnosis of hypertension (78% vs 81%) or hyperlipidemia (68% vs 72%) compared with those on aspirin. Stoppers also had fewer aspirin discussions with their provider (45% vs 69%). Conclusions: It is reassuring that SP aspirin use did not drop during a time of negative messaging for primary prevention aspirin. Unfortunately, underuse remains evident in younger adults and those with fewer CVD risk factors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».