High-Density Lipoprotein Cholesterol and Cause-Specific Mortality in Individuals Without Previous Cardiovascular Conditions
Notice bibliographique
Résumé
BACKGROUND: The prognostic importance of high-density lipoprotein cholesterol (HDL-C) as a specific risk factor for cardiovascular (CV) disease has been challenged by recent clinical trials and genetic studies. OBJECTIVES: This study sought to reappraise the association of HDL-C level with CV and non-CV mortality using a "big data" approach. METHODS: An observational cohort study was conducted using the CANHEART (Cardiovascular Health in Ambulatory Care Research Team) dataset, which was created by linking together 17 different individual-level data sources. People were included if they were between 40 and 105 years old on January 1, 2008, living in Ontario, Canada, without previous CV conditions or severe comorbidities, and had an outpatient fasting cholesterol measurement in the year prior to the inception date. The primary outcome was cause-specific mortality. RESULTS: A total of 631,762 individuals were included. The mean age of our cohort was 57.2 years, 55.4% were women, and mean HDL-C level was 55.2 mg/dl. There were 17,952 deaths during a mean follow-up of 4.9 ± 0.4 years. The overall all-cause mortality rate was 8.1 per 1,000 person-years for men and 6.6 per 1,000 person-years for women. Individuals with lower HDL-C levels were more likely to have low incomes, unhealthy lifestyle, higher triglycerides levels, other cardiac risk factors, and medical comorbidities. Individuals with lower HDL-C levels were independently associated with higher risk of CV, cancer, and other mortality compared with individuals in the reference ranges of HDL-C levels. In addition, individuals with higher HDL levels (>70 mg/dl in men, >90 mg/dl in women) had increased hazard of non-CV mortality. CONCLUSIONS: Complex associations exist between HDL-C levels and sociodemographic, lifestyle, comorbidity factors, and mortality. HDL-C level is unlikely to represent a CV-specific risk factor given similarities in its associations with non-CV outcomes.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».