LDL-cholesterol levels and lipid lowering therapy in secondary prevention. Baseline data from the BRING-UP prospective registry
Notice bibliographique
Résumé
AIMS: To narrow the gap between guidelines recommendation for secondary cardiovascular prevention and clinical practice, we designed a national project based on educational programs and patient data collection. METHODS: BRING-UP Prevention is an observational, prospective, multicentre study on patients with an atherothrombotic event enrolled in 2 phases: an educational intervention followed by two 3-months data collection, followed by 6 and 12-month follow-up, when the primary, secondary and exploratory endpoints will be evaluated. Clinical characteristics, treatments and target achievement for LDL cholesterol and other modifiable risk factors at baseline are reported in this manuscript. RESULTS: From September 2023 to February 2024, 189 cardiology centers included 4790 patients, 2500 hospitalized, and 2290 managed as outpatients. Of the 4790 patients, 98 % had CAD, 6.1 % CVD, and 6.9 % PAD. Mean age was 67 ± 11 years, 20 % were females. Patients with LDL-C levels <55 mg/dL were 32.6 %. Patients at target for blood pressure were 39.2 %. Diabetic patients were 27.5 %, HbA1c <7 % was reported in 43.5 % of them. Statins prescription increased from 69 % at entry to 96 % at discharge/end of visit. In 74.5 % of patients, statins were prescribed in combination with ezetimibe. PCSK9-i or inclisiran were prescribed in a low rate of patients. CONCLUSION: These data show that a low percentage of patients was at goal for LDL-C level and blood pressure. The 6-month follow-up visit will allow us to evaluate the changes in modifiable risk factors.
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 | 0,002 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».