Screening and management of dyslipidemia in oncologic patients undergoing cardiotoxic therapies: results from an Italian survey
Notice bibliographique
Résumé
BACKGROUND: Baseline cardiovascular risk factors correction is recommended in all cancer patients undergoing potentially cardiotoxic therapies. Despite available guidelines, real-world data on dyslipidemia prevalence and management in the oncologic population are still sparse. METHODS: This survey was an Italian, investigator-initiated survey initially designed and drafted by the Cardio-Oncology section of the Associazione Nazionale Medici Cardiologi Ospedalieri (ANMCO), comprising 10 individual multi-choice questions and spread after validation through the ANMCO mailing list. The survey was sent to cardiologists working in cardio-oncology units and/or managing patients with cancer. RESULTS: Our survey included 139 Italian cardiologists. The majority of them routinely ask for the baseline lipidic profile of their patients, regardless of previous clinical history and planned treatment. According to our participants, the estimated prevalence of dyslipidemia in this population is between 20% and 60%. Although this high prevalence, our results highlight that there is poor harmony in terms of scores for CV risk prediction used in clinical practice to guide drug prescription and baseline therapy optimization. On the same line, coronary artery calcium score is poorly used in this setting. At the same time, more than 30% of interrogated physicians do not prescribe adequate statin doses, even though necessary, and have uncertainties on the use of other anti-dyslipidemic drugs in this population. CONCLUSIONS: Our results highlight the necessity of strong evidences on dyslipidemia screening and management in the cancer population, as well as the need of knowledge diffusion from scientific societies to clinicians treating these patients.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 | 0,002 |
| 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 ».