Therapeutic Agents Targeting Cardiometabolic Risk for Preventing and Treating Atherosclerotic Cardiovascular Diseases
Notice bibliographique
Résumé
Targeting atherogenic lipoprotein levels with statins remains the current cornerstone of atherosclerotic cardiovascular disease (ACVD) management. In patients at high ACVD risk who cannot achieve the desired low‐density lipoprotein (LDL) cholesterol target, the addition of compounds such as ezetimibe and proprotein subtilisin/kexin type‐9 (PCSK9) inhibitors incrementally lowers cardiovascular risk. New glucose‐lowering drugs such as glucacon‐like peptide‐1 receptor (GLP1R) agonists and sodium‐glucose cotransporter‐2 (SGLT2) inhibitors were also shown to improve cardiometabolic risk factors and provide cardiovascular benefits in patients with type 2 diabetes. Our objective is to review the role of these agents in the management of patients at high ACVD risk and introduce new and (re)‐emerging drugs targeting atherogenic lipoproteins such as LDL (inclisiran, bempedoic acid, etc.), remnant‐like particles (fibrates, volanesorsen, and angiopoietin‐like protein‐3 (ANGPTL3) inhibitors), and lipoprotein(a) (AKCEA‐APO[A]LRX). The potential role of drugs targeting inflammation (canakinumab, methotrexate, and colchicine) in ACVD risk prevention/management will also be discussed.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».