Comparison between Gradient Gel Electrophoresis and Nuclear Magnetic Resonance Spectroscopy in Estimating Coronary Heart Disease Risk Associated with LDL and HDL Particle Size
Notice bibliographique
Résumé
BACKGROUND: Gradient gel electrophoresis (GGE) and nuclear magnetic resonance (NMR) spectroscopy are both widely accepted methods for measuring LDL and HDL particle size. However, whether or not GGE- or NMR-measured LDL or HDL particle size predicts coronary heart disease (CHD) risk to a similar extent is currently unknown. METHODS: We used GGE and NMR to measure LDL and HDL particle size in a nested case-control study of 1025 incident cases of CHD and 1915 controls from the EPIC (European Prospective Investigation into Cancer and Nutrition)-Norfolk study. The study sample included apparently healthy men and women age 45-79 years followed for an average of 6 years. RESULTS: Pearson correlation coefficients showed that the overall agreement between NMR and GGE was better for the measurement of HDL size (r = 0.78) than for LDL size (r = 0.47). The odds ratio for future CHD among participants in the bottom tertile of LDL size (smallest LDL particles) was 1.35 (95% CI, 1.12-1.63) for GGE and 1.74 (1.41-2.15) for NMR. For HDL size, these respective odds ratios were 1.41 (1.16-1.72) and 1.85 (1.47-2.32). After adjustment for potential confounders, the relationship between small LDL or HDL particles and CHD was no longer significant, irrespective of the method. CONCLUSIONS: In this prospective population study, we found that the relationships between NMR-measured LDL and HDL sizes and CHD risk were slightly higher than those obtained with GGE.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».