MétaCan
Menu
Retour à la cohorte
Enregistrement W2806842071 · doi:10.1186/s12944-018-0765-x

Association of Achilles tendon thickness and LDL-cholesterol levels in patients with hypercholesterolemia

2018· article· en· W2806842071 sur OpenAlexaff
Bei Wang, Qiuwang Zhang, Ling Lin, Li-Li Pan, Chengyu He, Xiang-xin Wan, Zhi-Ang Zheng, Zhengxin Huang, Chao-bao Zou, Mingchang Fu, Michael J.B. Kutryk

Notice bibliographique

RevueLipids in Health and Disease · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueGout, Hyperuricemia, Uric Acid
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésAchilles tendonDyslipidemiaMedicineInternal medicineLipidologyClinical chemistryGastroenterologyFamilial hypercholesterolemiaTendonHyperlipidemiaLdl cholesterolLipid profileClinical nutritionCholesterolEndocrinologySurgeryObesityDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Achilles tendons are the most common sites of tendon xanthomas that are commonly caused by disturbance of lipid metabolism. Achilles tendon thickening is the early characteristic of Achilles tendon xanthomas. The relationship between Achilles tendon thickness (ATT) and LDL-C levels, and risk factors of ATT in patients with hypercholesterolemia, have thus far been poorly documented. METHODS: A total of 205 individuals, aged 18-75 years, were enrolled from March 2014 to March 2015. According to the LDL-C levels and the "Chinese Guidelines on Prevention and Treatment of Dyslipidemia in Adults", all subjects were divided into 3 groups: normal group (LDL-C < 3.37 mmol/L, n = 51); borderline LDL-C group (3.37 mmol/L ≤ LDL-C ≤ 4.12 mmol/L, n = 50); and hypercholesterolemia group (LDL ≥ 4.14 mmol/L, n = 104). ATT was measured using a standardized digital radiography method and the results were compared among the 3 groups. The correlation between ATT and serum LDL-C levels was analyzed by Pearson's correlation, and the risk factors of ATT were determined by the logistic regression model. RESULTS: ATT in borderline LDL-C group was 8.24 ± 1.73 mm, markedly higher than 6.05 ± 0.28 mm of normal group (P < 0.05). ATT in hypercholesterolemia group was 9.42 ± 3.63 mm which was significantly higher than that of normal group (P < 0.005) and that of borderline LDL-C group (P < 0.05). There was a positive correlation between the serum LDL-C levels and ATT (r = 0.346, P < 0.001). The serum LDL-C level was a risk factor (OR = 1.871, 95% CI: 1.067-3.280) while the levels of HDL-C (OR = 0.099, 95% CI: 0.017-0.573) and Apo AI (OR = 0.035, 95% CI: 0.003-0.412) were protective factors of ATT. CONCLUSIONS: ATT might serve as a valuable auxiliary diagnostic index for hypercholesterolemia and used for the assessment and management of cardiovascular disease.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,269
Écart entre enseignants0,257 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLipids in Health and DiseaseMême sujetGout, Hyperuricemia, Uric AcidTravaux en français237 207