Key questions resulting from the JUPITER trial assessing cardiovascular disease intervention with rosuvastatin
Notice bibliographique
Résumé
THIS PAPER PRESENTS AN ANALYSIS OF THE RECENTLY PUBLISHED JUSTIFICATION FOR THE USE OF STATINS IN PREVENTION (JUPITER: an intervention trial evaluating rosuvastatin) trial, which tested the statin rosuvastatin in apparently healthy individuals with no prior cardiovascular (CVD) disease and with normal plasma low density lipoprotein (LDL) cholesterol concentrations but with raised plasma high sensitivity C-reactive protein (hsCRP) levels. The rate of the combined primary CVD endpoint was significantly reduced in the treatment arm after a median of under 2 years. The JUPITER trial is distinct from previous studies examining statin use in primary prevention groups because the target group for drug therapy was apparently healthy men and women at low or intermediate risk for developing CVD. On the basis of JUPITER's findings, there are key questions that should be assessed on the therapeutic intervention of CVD regarding: the primary prevention groups that should be targeted for statin therapy, the utility of targets in addition to plasma LDL cholesterol levels, and the need to consider the metabolic state of individuals targeted for therapy (including the presence of obesity and inflammation). The conclusion from the current analysis is that the JUPITER results warrant further LDL cholesterol lowering than is currently targeted in primary prevention groups that have a pre-existing condition or lifestyle that elevates CVD risk but still do not have a high global CVD risk (as assessed with current algorithms). This group is not captured in current widely used CVD risk calculations, however, with the identification of useful biomarkers, such as hsCRP, this group can be better identified and targeted for intervention.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».