Evaluating the Incremental Benefits of Raising High-Density Lipoprotein Cholesterol Levels During Lipid Therapy After Adjustment for the Reductions in Other Blood Lipid Levels
Notice bibliographique
Résumé
BACKGROUND: The role of high-density lipoprotein cholesterol (HDL-C) as a therapeutic target to prevent cardiovascular (CV) events remains unclear. We examined data from the Framingham Offspring Study from 1975 through 2003 to determine whether increases in HDL-C levels after lipid therapy was started were independently associated with a reduction in CV events. METHODS: Using Cox proportional-hazards regression, we evaluated the risk of a CV event associated with changes in blood lipid levels among individuals who started lipid therapy. The independent effect of HDL-C levels on future CV risk (average follow-up, 8 years) was estimated after adjustment for changes in low-density lipoprotein cholesterol, plasma triglycerides, and pretreatment blood lipid levels. Potential confounders (eg, smoking status, weight, and the use of beta-blockers) were then added to the model. Interactions between blood lipid levels were also explored. RESULTS: The change in HDL-C level was a strong independent risk factor for CV events (hazard ratio, 0.79 per 5-mg/dL increase; 95% confidence interval, 0.67-0.93) after adjustment for the other lipid changes associated with treatment. This relationship remained stable across a wide range of patient subgroups and did not appear to be associated with a specific drug class. An important interaction was observed: the lower the pretreatment low-density lipoprotein cholesterol level, the greater the impact of raising the HDL-C. CONCLUSIONS: Raising HDL-C levels with commonly used lipid medications appears to be an important determinant of the benefits associated with lipid therapy. These results support the further evaluation of therapies to raise HDL-C levels to prevent CV events.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».