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 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 | 0,020 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,044 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».