C-reactive protein and cholesterol are equally strong predictors of cardiovascular risk and both are important for quality clinical care
Notice bibliographique
Résumé
Physicians do not measure biomarkers simply to predict risk. Rather, they do so to better target therapy and improve the lives of their patients. Thus, when considering the use of any biomarker for cardiovascular risk prediction in primary prevention, thoughtful clinicians, and those writing guidelines should insist that two fundamental questions be answered affirmatively. First, is there clear evidence that the biomarker of interest predicts future cardiovascular events independent of other risk markers? And secondly, is there clear evidence that those identified by the biomarker of interest benefit from a therapy they otherwise would not have received? No imaging biomarker can answer these questions affirmatively, nor can a variety of plasma biomarkers such as lipoprotein(a) or triglycerides. As we will discuss below, the answer to both of these questions is clearly ‘yes’ for C-reactive protein as well as for cholesterol. Yet, while recent European Society of Cardiology guidelines for the prevention of heart disease strongly endorse cholesterol screening, those same guidelines are silent on C-reactive protein.1 Inflammation is a fundamental component of atherosclerosis.2 For more than a decade, data from large-scale prospective cohorts in the USA and Europe have consistently indicated that the predictive value of the inflammatory biomarker C-reactive protein is at least as large as that of cholesterol.3,4 This observation is important since half of all heart attacks and strokes occur among those with average if not low cholesterol levels. That C-reactive protein and lipids are equal contributors to vascular risk has recently been confirmed in an elegant 2012 meta-analysis published in the New England Journal of Medicine by the Emerging Risk Factors Collaboration that analysed data from 38 prospective studies and included 166 596 men and women without prior disease.5 Specifically, for a prediction model that included age, smoking, systolic blood …
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».