Pharmacological Targeting of the Atherogenic Dyslipidemia Complex: The Next Frontier in CVD Prevention Beyond Lowering LDL Cholesterol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Notwithstanding the effectiveness of lowering LDL cholesterol, residual CVD risk remains in high-risk populations, including patients with diabetes, likely contributed to by non-LDL lipid abnormalities. In this Perspectives in Diabetes article, we emphasize that changing demographics and lifestyles over the past few decades have resulted in an epidemic of the "atherogenic dyslipidemia complex," the main features of which include hypertriglyceridemia, low HDL cholesterol levels, qualitative changes in LDL particles, accumulation of remnant lipoproteins, and postprandial hyperlipidemia. We briefly review the underlying pathophysiology of this form of dyslipidemia, in particular its association with insulin resistance, obesity, and type 2 diabetes, and the marked atherogenicity of this condition. We explain the failure of existing classes of therapeutic agents such as fibrates, niacin, and cholesteryl ester transfer protein inhibitors that are known to modify components of the atherogenic dyslipidemia complex. Finally, we discuss targeted repurposing of existing therapies and review promising new therapeutic strategies to modify the atherogenic dyslipidemia complex. We postulate that targeting the central abnormality of the atherogenic dyslipidemia complex, the elevation of triglyceride-rich lipoprotein particles, represents a new frontier in CVD prevention and is likely to prove the most effective strategy in correcting most aspects of the atherogenic dyslipidemia complex, thereby preventing CVD events.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 découle