The PCSK9 revolution and the potential of PCSK9-based therapies to reduce LDL-cholesterol
Notice bibliographique
Résumé
[first paragraph of article]A large number of clinical trials over the last 30 years have firmly consolidated the importance of lowering low density lipoprotein cholesterol (LDLc) in the prevention of cardiovascular diseases (CVD) and its associated devastating sequelae. While healthy diets and exercise are highly recommended to lower LDLc levels, in many individuals with high baseline levels of LDLc, this is not sufficient to bring levels down to recommended target values in order to prevent recurrent coronary heart disease and cardiovascular complications. This is especially true for patients at high risk of premature cardiovascular death and disability, including those with familial hypercholesterolaemia (FH). FH is a very common inherited disease – affecting at least 30 million people worldwide, with an overall incidence of 1:200 globally – of whom ≤ 1% have been diagnosed. The advent of HMG-CoA reductase inhibitors, also known as ‘‘statins’’, and their first application to hypercholesterolemic patients over 30 years ago, has revolutionized the treatment of FH patients and resulted in substantial lowering of LDLc. In addition, cholesterol– lowering drugs, such as ‘‘ezetimibe’’ that blocks cholesterol absorption from the gut by inhibiting the Niemann-Pick C1-like 1 (NPC1L1) transporter, have also been successful and a 7-year IMPROVE-IT trial revealed that a ‘‘simvastatin-ezetimibe’’ combination resulted in an incremental lowering of LDLc levels and a modest 2% improved cardiovascular outcomes.3 Therefore, it became clear that additional treatments are needed to substantially decrease LDLc and efficiently protect against CVD.
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 | 0,014 | 0,006 |
| 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 | 0,001 | 0,003 |
| 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) | 0,000 | 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 ».