Improving the Prediction of Cardiovascular Risk: Interaction Between LDL and HDL Cholesterol
Notice bibliographique
Résumé
BACKGROUND: The ratio of total cholesterol to high-density lipoprotein (HDL) cholesterol (or the ratio of low-density lipoprotein [LDL] to HDL) is currently advocated to estimate the coronary risk associated with LDL and HDL cholesterol levels. METHODS: We analyzed the relation between LDL and HDL cholesterol levels to predict the risk of future coronary events. Using data from the Lipid Research Clinics Follow-up Cohort, we developed multivariate equations to predict coronary deaths among 4684 men and women followed for approximately 12 years. We used these equations to compare the predictive power of the LDL/HDL ratio with the independent effects of LDL and HDL and an LDL-HDL interaction term. We then used each model to forecast the 10-year risk of coronary death based on various lipid levels after adjustment for conventional risk factors (eg, blood pressure, gender, cigarette smoking). RESULTS: Levels of LDL and HDL and the interaction between them are all independent risk factors for coronary death. The benefits of increasing HDL are strongest among persons with high LDL. Conversely, the benefits of decreasing LDL are greatest among those with low HDL. We confirmed these observations in a published dataset showing the effects of treatment of hyperlipidemia. Predictions of benefits of treatment that were based on interaction of LDL and HDL were more accurate than predictions without interaction. CONCLUSIONS: The LDL/HDL ratio alone may not fully capture the complex interaction between LDL and HDL and the relation of each to coronary risk.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».