Is material deprivation a predictor of long-term adherence to beta-blocker therapy post-ST elevation myocardial infarction in Quebec?
Bibliographic record
Abstract
Contexte: Les sujets ayant subi un infarctus du myocarde (IM) sont à risque de récidive d’IM et de décès précoce. Les béta-bloqueurs (BB) forment la base du traitement pharmacologique de l’IM. L’impact de la défavorisation matérielle sur l’adhérence aux BB n’est pas bien défini. Objectifs : Chez les sujets québécois couverts par un régime public d’assurance médicaments qui ont subi un IM avec sus-décalages des segments ST (STEMI), nous avons évalué l’impact de la défavorisation matérielle sur l’adhérence aux BB deux ans après le congé de l’hôpital. Méthodes: Étude de cohorte rétrospective de sujets admis avec un STEMI dans 17 hôpitaux québécois en 2003. Un niveau de défavorisation matérielle fut assigné à chaque sujet selon un indice établi basé sur le census canadien (i.e. Quintile 1 à Quintile 5, les plus défavorisés). L’adhérence aux BB à 2 ans fut calculée par le Mean Refill Adherence (MRA), avec un seuil de > 80% considéré comme adhérent. Des analyses univariée et multivariée, ainsi qu’une analyse de survie ont été performées pour examiner l’association entre la défavorisation matérielle et l’adhérence aux BB. Résultats: Un total de 553 patients furent recrutés, avec des suivis moyen et médian de 608 (SD 114.9) et 640 jours. L’âge moyen était de 63.5 ans (SD 12.7), 33.1% étaient des femmes, < 10% ont présenté avec de l’insuffisance cardiaque, et la créatinine moyenne était de 105 umol/l (SD 50.1). La fraction d’éjection du ventricule gauche moyenne était de 48% et 23.7% ont été prescrits des bronchodilatateurs pour de la maladie pulmonaire, une contre-indication possible à l’utilisation des BB. Les résultats suggèrent la possibilité d’une meilleure adhérence chez les plus défavorisés lorsque les Quintiles 4-5 furent comparés aux Quintiles 1-2-3 (analyse primaire: OR 1.17, 95% CI 0.80, 1.59) quoique les intervales de confiance soient larges. Les patients âgés de plus de 65 ans avaient tendance à être plus adhérents (OR 1.77, 95% CI 1.21, 2.59. Conclusion: Les plus défavorisés n’étaient pas moins adhérents aux BB après un IM, mais semblaient plutôt être plus adhérents. Les sujets de 65 ans et plus étaient plus adhérents comparativement aux plus jeunes sujets.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".