Care gaps in achieving cholesterol targets in people with diabetes: A population-based study in a universal health care setting
Notice bibliographique
Résumé
AIMS: Statins are first line therapy in people with diabetes. Little is known about real-world statin intensity use and low-density lipoprotein cholesterol (LDL-C) levels achieved. We aimed to describe statin intensity used, achievement of LDL-C targets, and factors associated with achieving targets among adults with diabetes. METHODS: This population based (∼4.3 million), retrospective observational study, used clinical and administrative databases. Statin use by intensity, adherence, and achievement of LDL-C targets in adults with diabetes were described. Multiple logistic regression assessed the factors associated with achieving targets. RESULTS: Out of 331,312 individuals with diabetes, 88% had an index LDL-C test. At follow up, 31% overall did not achieve LDL-C targets and overall adherence was 66%. Failure to achieve targets was 49%, 30%, and 25% in low-, moderate-, and high-intensity statin groups, respectively. Those who were older, males, had a history of myocardial infarction, stroke, congestive heart failure, renal disease, better adherence, and higher intensity statin users were more likely to achieve targets. CONCLUSIONS: One-third of people on statins did not achieve targets. Strategies to fill the gap between ideal and current levels of LDL-C achieved are needed if the benefits of statins demonstrated in trials are to be translated into practice.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».