Apolipoprotein(a) Phenotype and Lipoprotein(a) Level Predict Peritoneal Dialysis Patient Mortality
Notice bibliographique
Résumé
OBJECTIVE: To examine the associations between lipoprotein(a) [Lp(a)] level, apolipoprotein(a) [apo(a)] phenotype, and patient mortality in peritoneal dialysis (PD) patients. DESIGN: Observational prospective study of prevalent PD patients. SETTING: Tertiary-care health sciences center. PATIENTS: 54 prevalent PD patients were followed prospectively for 24 months. MAIN OUTCOME MEASURES: The exposures were Lp(a) level and apo(a) phenotype, designated by the apo(a) isoform size (number of kringle 4 repeats). Outcome was death from any cause. RESULTS: There were 24 deaths in 77.9 patient-years' follow-up. The independent predictors of death in the multivariate survival analysis were age [relative risk (RR) = 1.03, p = 0.23], diabetes (RR = 3.00, p = 0.03), diastolic blood pressure < or = 70 mmHg (RR = 2.94, p = 0.03), serum albumin (RR = 0.87, p < 0.01), and Lp(a) level (RR = 1.004, p < 0.01). There was strong inverse correlation of Lp(a) with apo(a) isoform size (r = -0.62, p < 0.01). With Lp(a) removed from the model, apo(a) isoform size was a significant predictor of death (RR = 0.91, p = 0.0497). CONCLUSIONS: Lipoprotein(a) level and apo(a) phenotype are associated with PD patient mortality. Measurement of Lp(a) level and apo(a) phenotype may be useful in clinical practice to identify patients at high risk for cardiovascular disease. Large prospective studies are needed to determine if a reversal of the increase in Lp(a) level associated with renal disease and dialysis is feasible and beneficial in reducing the risk of cardiovascular disease and mortality.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».