Abstract P235: Implications of the Selection of Target Markers for LDL Lowering
Notice bibliographique
Résumé
Our aim was to compare the implications of targeting LDL-lowering treatment to LDL-C, non-HDL-C, or apoB based on a recent meta-analysis of all published epidemiological studies with all three markers' vascular risk associations which found overall per standard deviation relative risk ratios (RRR) of 1.25 for LDL-C, 1.31 for non-HDL-C, and 1.41 for apoB. Our approach was to project the 10-year incidence of CHD events from NHANES 2005-2006 with 1697 subjects representing over 190 million adult US residents under different scenarios defined by the target marker and the percentage of people treated. Framingham equations were used to estimate each subject's 10-year CHD risk. We estimated each subject's risk if treated by dividing their initial risk estimate by the marker's RRR exponentiated to the number of standard deviations (LDL-C: 35 mg/dl, non-HDL-C: 42 mg/dl, apoB: 27 mg/dl) in 40% of the marker's measured level. The potential number of CHD cases prevented by the treatment was calculated by multiplying the difference between initial and treated risk by the number of people represented. The mean 10-year CHD risk was 7.00% indicating 13.3 million incident CHD cases would be expected over the subsequent 10 years with no treatment change. The expected numbers of incident CHD cases prevented under different treatment scenarios are shown in the figure. These results support recommendations to use apoB in clinical practice to identify candidates for LDL-lowering and to target their treatment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 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 ».