Secondary Prevention Medications in 17 Countries Grouped by Income Level (PURE)
Notice bibliographique
Résumé
BACKGROUND: It is unclear whether global use of medications for secondary cardiovascular (CVD) prevention is improving over time. OBJECTIVES: This study across 17 high-, middle- and low-income countries described variations in secondary CVD prevention medication use over a median follow-up of 12 years. METHODS: In the multinational PURE (Prospective Urban Rural Epidemiology) cohort study, we conducted a repeated cross-sectional analysis to examine temporal variations in the use of secondary prevention medications in participants with CVD. In participants with coronary artery disease, we focused on antiplatelet agents, statins, renin-angiotensin system (RAS) inhibitors, and β-blockers. In participants with stroke, we focused on antiplatelet agents, statins, RAS inhibitors, and other blood pressure-lowering drugs. Medications were collected at baseline and on 4 subsequent follow-up visits. RESULTS: The analysis included 7,409 participants with a diagnosis of CVD at the baseline visit, 8,792 at the second visit, 9,236 at the third visit, 11,082 at the fourth visit, and 11,677 at the last visit. The median age at baseline was 58.0 years, and 52.9% of the participants were female. The median follow-up was 12 years, with the median year of the baseline visit in 2007 and the fifth visit in 2019. Over this period, use of 1 or more classes of medications for secondary CVD prevention was 41.3% (95% CI: 40.2%-42.4%) at baseline, peaked at 43.1% (95% CI: 42.0%-44.1%), and then decreased to 31.3% (95% CI: 30.4%-32.1%) by the last study visit. In high-income countries, this use decreased from 88.8% (95% CI: 86.6%-91.0%) to 77.3% (95% CI: 74.9%-79.6%). In upper-middle-income countries, this use increased from 55.0% (95% CI: 52.8%-57.3%) to 61.1% (95% CI: 59.1%-63.1%). In lower-middle-income countries, use of at least 1 class of medications was 29.5% (95% CI: 28.1%-30.9%) at baseline, peaked at 31.7% (95% CI: 30.4%-33.1%), and then decreased to 13.4% (95% CI: 12.5%-14.2%) by the last visit. In low-income countries, use of at least 1 class of medications was 20.8% (95% CI: 18.1%-23.5%) at baseline, peaked at 47.3% (95% CI: 44.8%-49.9%), and then decreased to 27.5% (95% CI: 25.2%-29.9%) by the last study visit. CONCLUSIONS: Globally and in most country income-level groups, the use of medications for secondary CVD prevention has been low, with little improvement over time.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».