MétaCan
Menu
Retour à la cohorte
Enregistrement W2802267574 · doi:10.1097/mol.0000000000000519

Predicting cardiovascular disease in familial hypercholesterolemia

2018· review· en· W2802267574 sur OpenAlexaffabout
Martine Paquette, Alexis Baass

Notice bibliographique

RevueCurrent Opinion in Lipidology · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFamilial hypercholesterolemiaMedicineDiseaseResidual riskRisk stratificationAtherosclerotic cardiovascular diseaseInternal medicineBioinformaticsCholesterolBiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Familial hypercholesterolemia is a frequent genetic disease associated with a high lifetime risk of cardiovascular disease (CVD). Statins are the cornerstone of treatment of familial hypercholesterolemia; however, with the advent of novel LDL-cholesterol lowering therapies, it has become necessary to identify familial hypercholesterolemia subjects presenting a significant residual CVD risk. The aim of this review is to provide an update on the recent literature concerning cardiovascular risk stratification in familial hypercholesterolemia. RECENT FINDINGS: Recently, several clinical and genetic factors have been shown to be independent predictors of CVD in familial hypercholesterolemia. These include clinical scores such as the Montreal-FH-SCORE, novel protein biomarkers, carotid plaque score and genetic predictors such as genetic risk scores as well as single-nucleotide polymorphisms. SUMMARY: Although there has been recent progress in cardiovascular risk stratification in familial hypercholesterolemia, there is still a need to further refine our knowledge concerning phenotype modifiers in this disease. Indeed, current known predictors do not explain the entirety of cardiovascular risk. More precise individual risk stratification in familial hypercholesterolemia could help to better tailor the proper therapy for each patient.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,391
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in LipidologyMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207