Does LDL-C determination method affect statin prescribing for primary prevention? A register-based study in Southern Denmark
Notice bibliographique
Résumé
AIMS: Examine whether the low-density lipoprotein cholesterol (LDL -C) determination method influences the rate of statin initiation for primary prevention of cardiovascular disease. METHODS AND RESULTS: We conducted a register-based retrospective study in the Region of Southern Denmark. Two hospital-based laboratories in the region directly measure LDL -C whereas four laboratories calculate LDL -C using Friedewald's formula. Physicians do not choose which method is used. We included all statin-naïve patients ≥40 years with no history of cardiovascular disease, diabetes, or chronic kidney disease, who had their LDL -C determined during 2018-2019. There were 202 807 people who had LDL -C determined during the study period (median age 59 years, 44% women) of which 37% had a direct LDL -C measurement. The median reported LDL -C was 3.40 mmol/L [interquartile range (IQR) 2.90-4.00] for those with a direct measurement vs. 3.00 mmol/L (IQR 2.40-3.50) for those with calculated LDL -C. For those with direct measurement, re-calculated LDL -C (using Friedewald's formula) was 0.35 mmol/L lower than the reported direct LDL -C measurement. Among those with directly measured LDL -C, 3.6% initiated statins compared with 2.7% of those with a calculated LDL -C. Direct LDL -C measurement led to higher odds of having a statin initiated compared with calculated LDL -C (adjusted odds ratio 1.23, 95% CI 1.17-1.30); for those with triglycerides >1.7 mmol/L the adjusted odds ratio was 1.41 (95% CI 1.30-1.52). CONCLUSION: Differences in the reporting of LDL -C from laboratories using different methods have a substantial influence on physician's decisions to prescribe statins.
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 | 0,015 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».