Assessment of Coronary Risk Based on Cumulative Exposure to Lipids in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To quantify the independent role of each of low-density lipoprotein cholesterol (LDL-C), total cholesterol:high-density lipoprotein cholesterol ratio (TC:HDL-C), triglyceride (TG) level, and HDL-C as a marker of coronary risk in systemic lupus erythematosus (SLE). METHODS: Patients with lipid measurements taken before a coronary event (or last clinic visit) were included. Mean and time-adjusted mean (TAM) levels were calculated for each lipid variable in each patient. Time-dependent proportional hazards regression models were used to quantify the risk of coronary event [myocardial infarction (MI) or angina], after adjustment for age. RESULTS: Among 384 patients, over a mean (SD) followup of 3.81 (2.58) years, there were 21 "first" coronary events (6 MI, 15 angina). Mean and TAM LDL-C (HR 1.83, 95% CI 1.19-2.81, p = 0.006), TC:HDL ratio (HR 1.43, 95% CI 1.02-2.00, p = 0.04), and TG (HR 2.11, 95% CI 1.32-3.39, p = 0.0019) were predictive of coronary event at subsequent visits. In contingency table analysis, TAM LDL-C cutpoint of 2.0 mmol/l had a sensitivity and negative predictive value for coronary event of 85.7% (95% CI 63.7-97.0) and 93.9% (95% CI 83.1-98.7), respectively. However, at this cutpoint the specificity was only 12.7% (95% CI 9.4-16.5). CONCLUSION: This study links LDL-C, TC:HDL-C ratio, and TG to coronary risk in patients with SLE and quantifies the magnitude of this risk. SLE-specific risk assessment levels for lipids may be selected to optimize positive or negative predictive values.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».