Lp(a) (Lipoprotein(a)) Levels Predict Progression of Carotid Atherosclerosis in Subjects With Atherosclerotic Cardiovascular Disease on Intensive Lipid Therapy
Notice bibliographique
Résumé
Objective— To assess whether Lp(a) (lipoprotein(a)) levels and other lipid levels were predictive of progression of atherosclerosis burden as assessed by carotid magnetic resonance imaging in subjects who have been treated with LDL-C (low-density lipoprotein cholesterol)–lowering therapy and participated in the AIM-HIGH trial (Atherothrombosis Intervention in Metabolic Syndrome With Low HDL/High Triglycerides: Impact on Global Health Outcomes). Approach and Results— AIM-HIGH was a randomized, double-blind study of subjects with established vascular disease, elevated triglycerides, and low HDL-C (high-density lipoprotein cholesterol). One hundred fifty-two AIM-HIGH subjects underwent both baseline and 2-year follow-up carotid artery magnetic resonance imaging. Plaque burden was measured by the percent wall volume (%WV) of the carotid artery. Associations between annualized change in %WV with baseline and on-study (1 year) lipid variables were evaluated using multivariate linear regression and the Bonferroni correction to account for multiple comparisons. Average %WV at baseline was 41.6±6.8% and annualized change in %WV over 2 years ranged from −3.2% to 3.7% per year (mean: 0.2±1.1% per year; P =0.032). Increases in %WV were significantly associated with higher baseline Lp(a) (β=0.34 per 1-SD increase of Lp(a); 95% confidence interval, 0.15–0.52; P <0.001) after adjusting for clinical risk factors and other lipid levels. On-study Lp(a) had a similar positive association with %WV progression (β=0.33; 95% confidence interval, 0.15–0.52; P <0.001). Conclusions— Despite intensive lipid therapy, aimed at aggressively lowering LDL-C to <70 mg/dL, carotid atherosclerosis continued to progress as assessed by carotid magnetic resonance imaging and that elevated Lp(a) levels were independent predictors of increases in atherosclerosis burden.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».