Race-Based Differences in Lipoprotein(a)-Associated Risk of Carotid Atherosclerosis
Notice bibliographique
Résumé
Objective- Lp(a) [lipoprotein(a)] is a well-described risk factor for atherosclerosis, but Lp(a)-associated risk may vary by race/ethnicity. We aimed to determine whether race/ethnicity modifies Lp(a)-related risk of carotid atherosclerotic plaque outcomes among black, white, Chinese, and Hispanic individuals. Approach and Results- Carotid plaque presence and score were assessed by ultrasonography at baseline (n=5155) and following a median 9.4 year period (n=3380) in MESA (Multi-Ethnic Study of Atherosclerosis) participants. Lp(a) concentrations were measured by immunoassay and examined as a continuous and categorical variable using clinically-based cutoffs, 30 and 50 mg/dL. Lp(a) was related to greater risk of prevalent carotid plaque at baseline in whites alone (all P<0.001): per log unit (relative risk, 1.05); Lp(a)≥30 mg/dL (relative risk, 1.16); and Lp(a)≥50 mg/dL (relative risk, 1.20). Lp(a) levels over 50 mg/dL were associated with a higher plaque score at baseline in whites (all P<0.001) and Hispanics ( P=0.04). In prospective analyses, whites with Lp(a) ≥50 mg/dL were found to have greater risk of plaque progression (relative risk, 1.12; P=0.03) and higher plaque scores (all P<0.001) over the 9.4-year follow-up. Race-based differences between whites and black participants were significant for cross-sectional associations and for carotid plaque score following the 9.4 year study period. Conclusions- Race was found to be a modifying variable in Lp(a)-related risk of carotid plaque, and Lp(a) levels may have greater influence on plaque burden in whites than in black individuals. Borderline results in Hispanics suggest that elevated Lp(a) may increase the risk of carotid plaque, but follow-up studies are needed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».