Prevalence and determinants of adherence to statin therapy: a systematic review and meta-analysis
Notice bibliographique
Résumé
AIM: To estimate the prevalence of good adherence to statin therapy and identify demographic and clinical factors associated with adherence among adults prescribed lipid-lowering therapy (LLT) for atherosclerotic cardiovascular disease (ASCVD) prevention. METHODS: We conducted a systematic search of PubMed and Scopus through May 2025 to identify randomized controlled trials, cohort, nested case-control, and cross-sectional studies evaluating adherence to statin monotherapy. Data were extracted on study design, participant demographics, comorbidities, adherence assessment method and duration, and statin type. A random-effects meta-analysis was performed. Study quality was assessed using the Newcastle-Ottawa Scale, and risk of bias in randomized trials was evaluated with the Cochrane RoB 2 tool. Subgroup and sensitivity analyses examined adherence variations by follow-up duration (<1, 1, >1 year), alternative adherence thresholds, and study quality. "Primary" non-adherence (failure to initiate prescribed therapy) was not reported in any of the included studies. RESULTS: Seventy-six studies encompassing 5,898,141 participants (median follow-up 24 months) were included. The pooled prevalence of good adherence (≥80% medication use) was 62.4% (95% CI: 58.3-66.5%), lower in primary (57.5%) than secondary (64.4%) prevention settings. Factors associated with lower adherence included female sex (RR=0.92), Black race (RR=0.66), smoking (RR=0.94), depression (RR=0.89), and heart failure (RR=0.96). Higher adherence was observed among older adults (RR=1.34), individuals with myocardial infarction (RR=1.28) or hypertension (RR=1.12), those with ≥2 comorbidities (RR=1.25), and patients with polypharmacy (RR=1.32). Subgroup and sensitivity analyses yielded consistent results. CONCLUSIONS: Adherence to statin therapy remains suboptimal and is significantly influenced by demographic and clinical factors. Targeted strategies are needed to improve adherence, particularly in high-risk groups.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».