Distribution of LDL Particle Size in a Population-Based Sample of Children and Adolescents and Relationship with Other Cardiovascular Risk Factors
Notice bibliographique
Résumé
BACKGROUND: Smaller, denser LDL particles are associated with an increased risk for cardiovascular diseases (CVD). In youths, data on the distribution of LDL particle size and on its association with other CVD risk factors are limited. METHODS: We determined LDL peak particle size by nondenaturing 2%-16% gradient gel electrophoresis in a representative sample of 2249 youths 9, 13, and 16 years of age who participated in a school-based survey conducted in 1999 in the province of Quebec, Canada. Standardized clinical measurements and fasting plasma lipid, glucose, and insulin concentrations were available. RESULTS: The LDL peak particle size distribution was gaussian. The 5th, 50th (median), and 95th percentiles by age and sex were 255.5-258.6, 262.1-263.2, and 268.1-269.5 A, respectively. The prevalence of the small, dense LDL phenotype (LDL peak particle size <or=255 A) was 10% in participants with insulin resistance syndrome (IRS), in contrast to 1% in those without IRS. In a multiple regression analysis, the association of LDL size with other CVD risk factors [apolipoprotein B, HDL-cholesterol (HDL-C), triglyceride (TG), and insulin concentrations, and body mass index] was strongest with TG and HDL-C concentrations: a 1 SD increase in log(e)-transformed TG concentration was associated with a 1.2 A reduction in LDL size, and a 1 SD increase in HDL-C was associated with a 1.1 A increase in LDL size. CONCLUSIONS: Although the small, dense LDL phenotype is less prevalent in youths than adults, its prevalence is clearly increased in childhood IRS. Metabolic correlates of LDL size are similar in youths and adults.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».