AB022. SOH23ABS_065. Barriers to the prescription of ACE inhibitors in patients with peripheral arterial disease or related cardiovascular disease
Notice bibliographique
Résumé
Background: Guidelines recommend that patients with peripheral arterial disease (PVD) should be medically treated to reduce the occurrence of serious cardiovascular events. Angiotensin-converting enzyme inhibitors (ACE-Is) and angiotensin receptor blockers (ARBs) are recommended in this cohort but the rate of prescription of ACE-Is is low. We identified factors associated with the prescription of ACE-Is in patients with symptomatic PAD. Methods: Using the vascular quality initiative (SVS-VQI) database, we evaluated the medical management of 1,239 patients that had undergone procedures for PVD 2017–2021. We collected baseline data, number of patients prescribed ACE-Is or (ARBs), number of patients who were not and any medical reason indicated. Results: At time of procedure, average patient age was 67.2 years and included 829 males and 410 females. Comorbidities included 1,062 (86%) patients with diabetes, 151 (12%) on dialysis, 1,039 (84%) with hypertension, 351 (28%) with coronary artery disease, and 966 (78%) with history of smoking; 876 (70.1%) patients were on aspirin, and 1,024 (83%) were on a statin drug; 556/1,239 (45%) patients were not prescribed ACE-Is/ARBs, 89 (0.07%) patients had a medical reason and 467 (38%) patients had no medical reason for not being prescribed ACE-Is/ARBs. Conclusions: About 40% of the patients with peripheral arterial disease were not optimally managed with ACE-Is/ARBs. We still need to better understand the barriers and facilitators to the application of the guidelines.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».