The good and the bad: what researchers have learned about dietary cholesterol, lipid management and cardiovascular disease risk since the Harvard Egg Study
Notice bibliographique
Résumé
BACKGROUND: The prevalence of cardiovascular diseases, while lower than it once was, remains a significant health consideration. AIMS AND METHODS: To review the evolving evidence with respect to what role various factors play in the aetiology of coronary heart disease (CHD). RESULTS: While total cholesterol and low-density lipoprotein cholesterol (LDL-C) were previously believed to play central roles, it has now become clear that neither in isolation is highly significant. For example, some people with very high LDL-C levels do not develop CHD, while others with very low LDL-C levels do. Furthermore, there is a difference between dietary cholesterol and serum cholesterol. Dietary cholesterol, which is found in animal-based foods, raises blood cholesterol in only approximately one-third of people. Conversely, intake of saturated fatty acids and trans fatty acids can result in dyslipidaemia. Furthermore, obesity--particularly abdominal obesity--and metabolic syndrome both are strong independent risk factors for development of cardiovascular disease. CONCLUSIONS: Statin therapy and a diet comprising a portfolio of plant sterols and viscous fibres can both significantly reduce LDL-C levels and C-reactive protein. The latter is a key marker of inflammation and of elevated risk for cardiovascular disease.
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 | 0,025 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».