Ideal cardiovascular health influences cardiovascular disease risk associated with high lipoprotein(a) levels and genotype: The EPIC-Norfolk prospective population study
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Lipoprotein(a) (Lp[a]) is a strong genetic risk factor for cardiovascular disease (CVD). The American Heart Association has prioritised seven cardiovascular health metrics to reduce the burden of CVD: body mass index, healthy diet, physical activity, smoking status, blood pressure, diabetes and cholesterol levels (together also known as ideal cardiovascular health). Our objective was to determine if individuals with high Lp(a) levels could derive cardiovascular benefits if characterized by ideal cardiovascular health. METHODS: A total of 14,051 participants of the EPIC-Norfolk study were stratified according to the cardiovascular health score (based on the number of health metrics with an ideal, intermediate or poor status). Of them, 1732 had a CVD event during a mean follow-up of 11.5 years. Cox proportional hazards models were used to describe the association between the cardiovascular health score and Lp(a) level or genotype (as estimated by the rs10455872 variant) with the risk of CVD. RESULTS: We observed little or no differences in serum Lp(a) levels across the seven cardiovascular health metric categories. Among participants with high serum Lp(a) levels ≥50 mg/dl), those in the highest (i.e. healthiest) cardiovascular health score category (10-14) had an adjusted hazard ratio for cardiovascular disease of 0.33 (95% CI = 0.17-0.63, p = 0.001) compared to participants in the lowest (i.e. unhealthiest) cardiovascular health score category(0-4). Similar results were obtained when we replaced Lp(a) with rs10455872. CONCLUSIONS: Although Lp(a) levels are only slightly influenced by cardiovascular health metrics, an ideal cardiovascular health could substantially reduce CVD risk associated with high Lp(a) levels or genotype.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».