HDL and cardiovascular risk: is cholesterol in particle subclasses relevant?
Notice bibliographique
Résumé
This editorial refers to ‘HDL cholesterol subclasses, myocardial infarction, and mortality in secondary prevention: the Lipoprotein Investigators Collaborative’†, by S.S. Martin et al. on page 22. Dyslipidaemia is one of the major risk factors for the development of cardiovascular disease, which remains the leading cause of death in the world. Despite major advances in the treatment of dyslipidaemia, residual cardiovascular risk remains high in a significant number of patients, a fact that has prompted intensive investigation of medications raising HDL-cholesterol (HDL-C). Indeed, robust epidemiological evidence had shown that low HDL-C was inversely related to coronary outcomes in the pre-statin era, and even in patients treated aggressively with statins in the Treating-to-New-Targets (TNT) trial. However, the failure of several HDL- C-raising drugs including torcetrapib and niacin in statin-treated patients, combined with genetic studies, has recently challenged the relevance of the cholesterol content of HDL (i.e. HDL-C) (reviewed in Tujeda and Rader1). As a consequence, the focus on HDL-C has now started to shift away from a cholesterol-centric view towards alternative indexes of HDL such as particle size, subclass distribution, and measures of HDL functionality. However, this approach remains vague, and further progress is hampered by the facts that HDLs are highly heterogeneous particles and various HDL subfractionation methods exist, which also differ in their nomenclature, making comparisons across these methods challenging. This complexity has been compounded over the last 10 years by inconsistencies in the literature on HDL-C subclasses and function.
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 | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».