Is Lipoprotein (a) a Risk Factor for Coronary Artery Ectasia?
Notice bibliographique
Résumé
BACKGROUND: The pathophysiology of coronary artery ectasia (CAE) is under investigated and not well understood. Atherosclerosis is considered as the main etiologic factor for CAE in adults where more than 50% of CAE patients have atherosclerosis. Recently, lipoprotein (a) (Lp(a)) has emerged as a powerful risk factor for atherosclerosis and coronary artery disease (CAD). Serum levels of Lp(a) in patients with CAE have not been investigated. We assumed that Lp(a) may play a role in the pathogenesis of CAE. Principally, our study aims to identify whether Lp(a) is an independent risk factor for CAE. METHODS: Our study is a prospective pilot study. Study population was collected prospectively from pool of patients referred for elective cardiac catheterization at Jordan University Hospital (JUH) in the period extending from February 17, 2018 to June 31, 2018. Patients were referred for elective coronary angiography after being interviewed and physically examined by a cardiologist (HA). Patients with known history of CAD or who are already on anti-lipidemic drugs either documented in the medical records or by interviewing patients for history of revascularization were excluded from the study. RESULTS: Regarding the primary outcome, there was no significant difference in Lp(a) concentrations between normal and ectasia groups in the general sample (median: 17.5mg/dL vs. 20.4 mg/dL, P value = 0.38). CONCLUSIONS: Our study concludes that there is no detected relationship between elevated Lp(a) levels and developing CAE. CAE was more common in patients with low high-density lipoprotein (HDL) level (compared with patients with normal coronaries), higher total cholesterol level (compared with patients with non-obstructive stenosis) and higher hemoglobin A1c (HbA1c).
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».