MétaCan
Menu
Retour à la cohorte
Enregistrement W2166790944 · doi:10.2174/157016110793563825

Effect of Non-Statin Lipid Lowering and Anti-Obesity Drugs on LDL Subfractions in Patients with Mixed Dyslipidaemia

2010· review· en· W2166790944 sur OpenAlexaboutno aff
Matilda Florentin, A.D. Tselepis, Moses Elisaf, Christos V. Rizos, Dimitri P. Mikhailidis, Evangelos Liberopoulos

Notice bibliographique

RevueCurrent Vascular Pharmacology · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEzetimibeOrlistatMedicineRimonabantInternal medicineEndocrinologyStatinOverweightNiacinMetabolic syndromeSibutramineLipid profileObesityLipoproteinPharmacologyWeight lossCholesterolAntagonistReceptor

Résumé

récupéré en direct d'OpenAlex

Small, dense low density lipoprotein (sdLDL) particles are considered an emerging cardiovascular risk factor. Obese patients with mixed dyslipidaemia frequently have elevated sdLDL cholesterol (sdLDL-C) levels. Therefore, agents that favourably modulate the LDL phenotype may be of clinical value in these patients. We review the efficacy of anti-obesity and lipid lowering drugs other than statins on LDL subfractions in patients with mixed dyslipidaemia primarily focusing on those who are overweight/obese. The literature search was based on PubMed listings up to 26 November 2009. In most studies ezetimibe decreases the large and medium LDL subclasses and, to a lesser extent, the sdLDL particles, while it does not substantially influence LDL size. Fibrates and niacin reduce sdLDL particles and shift LDL size towards large, buoyant LDL particles. More studies are needed to elucidate the effects of fish oils and resins on LDL phenotype. Orlistat and rimonabant have been associated with reductions in sdLDL-C levels along with an increase in LDL particle size. We did not find any literature describing the effect of sibutramine on sdLDL profile. Treatment with fibrates and niacin seems to be beneficial in patients with mixed dyslipidaemia. The addition of orlistat may further improve LDL phenotype in overweight/obese patients. Keywords: Mixed dyslipidaemia, ezetimibe, fibrates, nicotinic acid, obesity, orlistat, rimonabant, small, dense LDL, Non-Statin Lipid, Anti-Obesity Drugs, LDL Sub-fractions, sdLDL, sibutramine, Quebec Cardiovascular Study, ischemic heart disease, proteoglycan, LDL receptors, thromboxane A2, thrombogenicity, cardiovascular risk, high density lipoprotein cholesterol, metabolic syndrome, National Cholesterol Education Program Adult Treat-ment Panel III, cardio-vascular disease, fenofi-brate, bezafibrate, gemfibrozil, ciprofibrate, clofibrate, niacin, resins, sequestrants, coleseve-lam, omega-3, fatty acids, fish oil, high density, low density lipoprotein cholesterol, triglycerides, hyperlipidaemia, Lipoprint LDL System, hyper-cholesterolaemia, hyperlipoproteinaemia, LDL apheresisc, fenofibrate, Intraabdominal Adiposity

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,335
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Vascular PharmacologyMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207