Antithrombotics prescription and adherence among stroke survivors: A systematic review and 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
OBJECTIVES: We aimed to investigate the prescription of antithrombotic drugs (including anticoagulants and antiplatelets) and medication adherence after stroke. METHODS: We performed a systematic literature search across MEDLINE and Embase, from January 1, 2015, to February 17, 2022, to identify studies reporting antithrombotic medications (anticoagulants and antiplatelets) post stroke. Two people independently identified reports to include, extracted data, and assessed the quality of included studies according to the Newcastle-Ottawa scale. Where possible, data were pooled using random-effects meta-analysis. RESULTS: We included 453,625 stroke patients from 46 studies. The pooled proportion of prescribed antiplatelets and anticoagulants among patients with atrial fibrillation (AF) was 62% (95% CI: 57%-68%), and 68% (95% CI: 58%-79%), respectively. The pooled proportion of patients who were treated according to the recommendation of guidelines of antithrombotic medications from four studies was 67% (95% CI: 41%-93%). It was reported that 11% (95% CI: 2%-19%) of patients did not receive antithrombotic medications. Good adherence to antiplatelet, anticoagulant, and antithrombotic medications was 78% (95% CI: 67%-89%), 71% (95% CI: 57%-84%), and 73% (95% CI: 59%-86%), respectively. CONCLUSION: In conclusion, we found that less than 70% of patients were prescribed and treated according to the recommended guidelines of antithrombotic medications, and good adherence to antithrombotic medications is only 73%. Prescription rate and good adherence to antithrombotic medications still need to be improved among stroke survivors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle