Ethnicity based differences in statin use and hypercholesterolemia control among patients with premature coronary artery disease-results of I-PAD study
Notice bibliographique
Résumé
Background: Statins use is the most important treatment for high LDL cholesterol in patients with premature coronary artery disease (CAD). Previous reports have shown racial and gender differences in statin use in the general population, but this wasn't studied in premature CAD based on different ethnicities. Methods and results: Our study includes 1917 men and women with confirmed diagnosis of premature CAD. Logistic regression model was used to evaluate the high LDL cholesterol control in the groups and the OR with 95% confidence interval (CI) was reported as the effect size. After adjustment for confounders, the odds of controlling LDL in women taking Lovastatin, Rosuvastatin, and Simvastatin were 0.27 (0.03, 0.45) lower in comparison with men. Also, in participant who took 3 types of statins, the odds of controlling LDL were significantly different between Lor and Arab compared with Fars ethnicity. After adjustment to all confounders (full model), the odds of controlling LDL were lower for Gilak in Lovastatin, Rosuvastatin, and Simvastatin by 0.64 (0.47, 0.75); 0.61 (0.43, 0.73); 0.63 (0.46, 0.74) respectively and higher for Arab in Lovastatin, Rosuvastatin, and Simvastatin by 4.63 (18.28, 0.73); 4.67 (17.47, 0.74); 4.55 (17.03, 0.71) respectively compared to Fars. Conclusions: Major differences in different gender and ethnicities may have had led to disparities in statin use and LDL control. Awareness of the statins impact on high LDL cholesterol based on different ethnicities can help health decision-makers to close the observed gaps in statin use and control LDL to prevent CAD problems.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».