Prediction of Familial Hypercholesterolemia in Patients at High Atherosclerotic Cardiovascular Disease Risk Using a Recently Validated Algorithm
Notice bibliographique
Résumé
BACKGROUND: argets (REACT) registry. METHODS: Patients were enrolled as ASCVD (n = 86) or FH (n = 109) and with an LDL-C level > 3.0 mmol/L despite maximally tolerated statin therapy. FH was diagnosed clinically using a validated clinical application integrating an imputation for baseline (untreated) LDL-C levels. RESULTS: There were 109 men and 86 women with a mean age of 63 ± 12 years. Diabetes (29.7%), hypertension (62.1%), smoking (37.9%), and family history of premature ASCVD (59.5%) were common. On-treatment LDL-C was 4.26 ± 0.94 mmol/L. On the basis of the dose and type of statin ± ezetimibe, imputed baseline LDL-C was 7.04 ± 2.90 mmol/L. A diagnosis of probable/definite FH was found in 54.7%, 49.5%, and 61.5% of patients according to the Simon Broome, Dutch Lipid Clinic Network criteria, and the new Canadian FH definition, respectively. Of note, 40% of patients in the ASCVD inclusion subgroup had probable or definite FH. CONCLUSIONS: Our study reveals that a substantial proportion of patients with ASCVD whose LDL-C levels are > 3.0 mmol/L despite maximally tolerated statins have heterozygous FH. Clinicians should consider using the recently described algorithm to assess the possibility of FH in this high-risk population.
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 | 0,000 |
| 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 ».