Lipid-Lowering Therapy in Post-Acute Coronary Syndrome Patients: An Observational Study
Notice bibliographique
Résumé
Background: Cardiovascular disease remains a major cause of morbidity and mortality globally. International guidelines recommend aggressive lipid-lowering therapy (LLT) in patients with atherosclerotic cardiovascular disease (ASCVD), targeting a low-density lipoprotein cholesterol (LDL-C) level of < 55 mg/dL and a ≥ 50% reduction from baseline. However, real-world studies continue to show suboptimal LDL-C target achievement. This study aimed to assess the proportion of post-acute coronary syndrome (ACS) patients achieving both LDL-C < 55 mg/dL and a ≥ 50% reduction from baseline at 6 months. A secondary objective was to evaluate target achievement after 1 year and analyze outcomes across different LLT regimens. Methods: We conducted a retrospective cohort study at a single tertiary center, including patients aged ≥ 18 years who presented with ACS between January 2021 and January 2022, underwent percutaneous coronary intervention (PCI), and had documented LDL-C levels at baseline and at least one follow-up within 12 months. Patients with baseline LDL-C ≤ 55 mg/dL or on ongoing LLT were excluded. Results: A total of 122 patients were included (mean age 63.5 years; 59.8% had both diabetes and hypertension). At 6 months, only 13/82 patients (15.9%) achieved the primary LDL-C target. The highest achievement was seen in the rosuvastatin + ezetimibe group (30.0%), followed by rosuvastatin (17.9%), atorvastatin + ezetimibe (14.3%), and atorvastatin monotherapy (14.0%). A ≥ 50% LDL-C reduction without meeting the < 55 mg/dL threshold was observed in 24/82 patients (29.3%). Conclusions: LDL-C target achievement remains low among post-ACS patients despite high-intensity statin use. Combination therapy with rosuvastatin + ezetimibe showed more favorable outcomes, particularly in older adults. These findings underscore the need for structured follow-up, treatment intensification, and broader use of advanced therapies such as proprotein convertase subtilisin/kexin type 9 (PCSK9) inhibitors to close the real-world treatment gap.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
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 ».