Does Management of Lipid Lowering Differ Between Specialists and Primary Care: Insights from GOAL Canada.
Notice bibliographique
Résumé
Background: We studied whether significant differences in care gaps exist between specialists and PCPs. Methods: GOAL Canada enrolled patients with CVD or familial hypercholesterolemia (FH) and LDL-C > 2.0 mmol/L despite maximally tolerated statin therapy. During follow-up, physicians received online reminders of treatment recommendations based on Canadian Guidelines. Results: A total of 177 physicians (58% PCPs) enrolled 2009 patients; approximately half of the patients were enrolled by each physician group. Patients enrolled by specialists were slightly older (mean age 63 years vs. 62), female (45% vs. 40%), Caucasian (77% vs. 65%), and had a slightly higher systolic pressure and lower heart rate. Patients enrolled by specialists had less frequent history of familial hypercholesterolemia, diabetes, hypertension, chronic kidney disease and liver disease but more frequent history of coronary artery disease, atrial fibrillation and premature family history of CVD. There was no significant baseline difference in LDL-C, HDL-C, or non-HDL-c, although total cholesterol and triglycerides were slightly higher in patients managed by PCPs. At baseline, PCPs were more likely to use statins (80% vs.73%, p=0.0002) and other therapies such as niacin or fibrate (10% vs. 6%, p=0.0006) but similar use of ezetimibe (24% vs. 27%, p=0.15). At the end of follow up, specialists used less statins (70% vs. 77%, p=0.0005) and other therapies (6% vs. 10%, p=0.007) but more ezetimibe (45% vs. 38%, p=0.01) and the same frequency of PCSK9i (28% vs. 27%, p=0.65). The proportion of patients achieving the recommended LDL-C level of 2.0 mmol/L or below (primary endpoint) was similar at last available visit between specialists and PCPs (44% vs. 42%, p=0.32). Conclusion: Despite minor differences in the clinical profile of their patients, both PCPs and specialists actively participate in the management of lipid lowering therapy in high risk CVD patients and experience similar challenges and care gaps.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».