New therapies to reduce low-density lipoprotein cholesterol
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Lipid-lowering is an intervention that reduces atherosclerosis and its complications. Statins currently form the standard of care but are not able to reduce low-density lipoprotein cholesterol (LDL-C) adequately in all patients - particularly those with familial hypercholesterolaemia and those with statin intolerance. RECENT FINDINGS: Combination therapy with statins is well established and ezetimibe is often used as an additional LDL-C-lowering agent reducing LDL-C by 20%. However, its clinical efficacy still remains controversial. Newer, more potent methods of LDL-C reduction are in development. Both lomitapide, a microsomal transfer protein inhibitor (MTPI), and mipomersen, an antisense oligonucleotide (ASO), have been shown to improve LDL-C levels by 25-50% in patients with homozygous familial hypercholesterolaemia. In patients with heterozygous familial hypercholesterolaemia or statin intolerance antibody-based inhibitors of preprotein convertase subtilisin/kexin 9 (PCSK9) produce reductions in LDL-C of 30-65%. Cholesterol ester transfer protein inhibitors (CETPIs) reduce LDL-C by 30-40% as well as raising levels of high-density lipoprotein cholesterol (HDL-C) and may also have a role as additional LDL-C-reducing drugs. SUMMARY: Surrogate outcome trials will be required with lomitapide or mipomersen to confirm their effects in homozygous familial hypercholesterolaemia and clinical endpoint trials will be needed for PCSK9 and CETPIs if these are to be used widely.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».