Calculated Non-HDL Cholesterol Includes Cholesterol in Larger Triglyceride-Rich Lipoproteins in Hypertriglyceridemia
Notice bibliographique
Résumé
CONTEXT: Calculated non-high-density lipoprotein (HDL) cholesterol (non-HDLC) should selectively include cholesterol from atherogenic lipoproteins to be a reliable risk marker of cardiovascular disease. In hypertriglyceridemia (HTG), there is increased abundance of larger and less atherogenic triglyceride-rich lipoproteins (TRL), namely, larger very-low-density lipoproteins (VLDL), and chylomicrons. OBJECTIVE: We aim to demonstrate that serum triglyceride (TG) level has a substantial impact on non-HDLC's ability to represent cholesterol from atherogenic lipoproteins, even though TG is not part of the calculation for non-HDLC. DESIGN: Analysis of lipid profile data. SETTINGS: Lipid Clinic patient cohort, and Biochemistry Laboratory patient cohort. PATIENTS OR OTHER PARTICIPANTS: 7,492 patients in the Lipid Clinic cohort with baseline lipid profiles documented prior to starting lipid-lowering medications and 156,311 lipid profiles from The Ottawa Hospital Biochemistry Laboratory cohort. INTERVENTION: None. MAIN OUTCOME MEASURE: Our modeling process includes derivation of TG-interval-specific lipoprotein composition factor (LCF) for TRL, which represents the mass ratio of cholesterol to TG in TRL. A high LCF indicates that the TRLs are mainly the cholesterol-rich atherogenic remnant lipoproteins. A low LCF indicates that the TRLs are mainly the TG-rich larger VLDL and chylomicrons. RESULTS: As serum TG increases, there is progressive decline in the LCF for TRL, which indicates that the calculated non-HDLC level reflects progressive inclusion of cholesterol from larger TRL. This is shown in both cohorts. CONCLUSIONS: Calculated non-HDLC is influenced by TG level. As TG increases, non-HDLC gradually includes more cholesterol from larger TRL, which are less atherogenic than LDL and remnant lipoproteins.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».