PCSK9 inhibition-mediated reduction in Lp(a) with evolocumab: an analysis of 10 clinical trials and the LDL receptor's role
Notice bibliographique
Résumé
Lipoprotein (a) [Lp(a)] is independently associated with CVD risk. Evolocumab, a monoclonal antibody (mAb) to proprotein convertase subtilisin/kexin type 9 (PCSK9), decreases Lp(a). The potential mechanisms were assessed. A pooled analysis of Lp(a) and LDL cholesterol (LDL-C) in 3,278 patients from 10 clinical trials (eight phase 2/3; two extensions) was conducted. Within each parent study, biweekly and monthly doses of evolocumab statistically significantly reduced Lp(a) at week 12 versus control (P < 0.001 within each study); pooled median (quartile 1, quartile 3) percent reductions were 24.7% (40.0, 3.6) and 21.7% (39.9, 4.2), respectively. Reductions were maintained through week 52 of the open-label extension, and correlated with LDL-C reductions [with and without correction for Lp(a)-cholesterol] at both time points (P < 0.0001). The effect of LDL and LDL receptor (LDLR) availability on Lp(a) cell-association was measured in HepG2 cells: cell-associated LDL fluorescence was reversed by unlabeled LDL and Lp(a). Lp(a) cell-association was reduced by coincubation with LDL and PCSK9 and reversed by adding PCSK9 mAb. These studies support that reductions in Lp(a) with PCSK9 inhibition are partly due to increased LDLR-mediated uptake. In most situations, Lp(a) appears to compete poorly with LDL for LDLR binding and internalization, but when LDLR expression is increased with evolocumab, particularly in the setting of low circulating LDL, Lp(a) is reduced.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».