Geographic differences in pharmacotherapy patterns and outcomes of acute ischemic stroke in China
Notice bibliographique
Résumé
BACKGROUND: Vast economic and healthcare status discrepancies exist among regions in China, contributing to different treatment patterns. This study was aimed to investigate the current status of pharmacotherapy for acute ischemic stroke (AIS) and outcomes in China and explore the geographic variation in stroke care. METHODS: This study was a multicenter prospective registry study, which collected the data of patients with AIS from 80 hospitals in 46 cities in 2015-2017 across China. Poor functional outcome defined as a modified Rankin Scale score of 3-6 was assessed at 3 and 12 months. Multivariate logistic regression was used. RESULTS: Among 9973 eligible patients, the number of receiving intravenous thrombolysis (IVT), antiplatelet agents, anticoagulants, statin and human urinary kallidinogenase was 429 (4.3%), 9363 (93.9%), 1063 (10.7%), 6828 (74.7%) and 5112 (51.2%), respectively. Multivariable analysis showed IVT use in northeastern was significantly more frequent than in eastern region (OR = 3.17, 95% CI, 2.53-3.99), while the antiplatelets agents use were less frequent (OR = 0.46, 95%CI: 0.38-0.57). The proportions of poor outcomes at 3 and 12 months were 20.7% and 15.8%, respectively. Multivariate analysis showed AIS patients from northeastern and central region had significantly lower risk of poor outcome at month 3 and 12 than those from eastern region (all P < 0.05). CONCLUSIONS: There was a low IVT use and a high antiplatelet agent and statin use for AIS in China. The pharmacotherapy and prognosis of AIS had variation by geographic region. TRIAL REGISTRATION: This study was registered with ClinicalTrials.gov (NCT02470624).
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 ».