Update on the detection and treatment of atherogenic low-density lipoproteins
Notice bibliographique
Résumé
PURPOSE OF REVIEW: To explain why epidemiological studies have reached such diverse views as to whether apolipoprotein B (apoB) and/or low-density lipoprotein particle number (LDL-P) are more accurate markers of the risk of cardiovascular disease than LDL-C or non-high-density lipoprotein cholesterol (HDL-C) and to review the treatment options to lower LDL. RECENT FINDINGS: The Emerging Risk Factor Collaboration, a large prospective participant level analysis, a meta-analysis of statin clinical trials, and the Heart Protection Study have each reported that apoB does not add significantly to the cholesterol markers as indices of cardiovascular risk. By contrast, a meta-analysis of published prospective studies demonstrated that non-HDL-C was superior to LDL-C, and apoB was superior to non-HDL-C. As well, three studies using discordance analysis each demonstrated that apoB and LDL-P were superior to the cholesterol markers. Two approaches to resolve these differences are brought to bear in this article: first, which results are credible and second, how does taking the known differences in LDL composition into account, help resolve them. The best identification of individuals at risk of coronary artery disease or with coronary artery disease allows the most efficacious treatment of elevated LDL-P and will permit a more extensive use of some of the more novel LDL-lowering agents. SUMMARY: Much of the controversy vanishes once the physiologically driven differences in the composition of the apoB lipoprotein particles are taken into account, illustrating that epidemiology, not directed by physiology, is like shooting without aiming.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».