Proprotein convertase subtilisin/kexin type 9 inhibitors and lipoprotein(a)-mediated risk of atherosclerotic cardiovascular disease: more than meets the eye?
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Evidence continues to mount for elevated lipoprotein(a) [Lp(a)] as a prevalent, independent, and causal risk factor for atherosclerotic cardiovascular disease. However, the effects of existing lipid-lowering therapies on Lp(a) are comparatively modest and are not specific to Lp(a). Consequently, evidence that Lp(a)-lowering confers a cardiovascular benefit is lacking. Large-scale cardiovascular outcome trials (CVOTs) of inhibitory mAbs targeting proprotein convertase subtilisin/kexin type 9 inhibitors (PCSK9i) may address this issue. RECENT FINDINGS: Although the ability of PCSK9i to lower Lp(a) by 15-30% is now clear, the mechanisms involved continue to be debated, with in-vitro and in-vivo studies showing effects on Lp(a) clearance (through the LDL receptor or other receptors) and Lp(a)/apolipoprotein(a) biosynthesis in hepatocytes. The FOURIER CVOT showed that patients with higher baseline levels of Lp(a) derived greater benefit from evolocumab and those with the lowest combined achieved Lp(a) and LDL-cholesterol (LDL-C) had the lowest event rate. Meta-analysis of ten phase 3 trials of alirocumab came to qualitatively similar conclusions concerning achieved Lp(a) levels, although an effect independent of LDL-C lowering could not be demonstrated. SUMMARY: Although it is not possible to conclude that PCSK9i specifically lower Lp(a)-attributable risk, patients with elevated Lp(a) could derive incremental benefit from PCSK9i therapy.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».