Associations Between High Levels of High-Density Lipoprotein Cholesterol and the Presence and Severity of Coronary Artery Disease in Patients Who Have Undergone Coronary Computed Tomography Angiography
Notice bibliographique
Résumé
BACKGROUND: Although a recent study in a Japanese cohort indicated that extremely high-density lipoprotein cholesterol (HDL-C, ≥ 90 mg/dL) had an adverse effect on atherosclerotic cardiovascular disease mortality, we could not conclude that high levels of HDL-C were associated with the presence or severity of coronary artery disease (CAD). METHODS: We enrolled 1,016 patients who were clinically suspected to have CAD and who underwent coronary computed tomography angiography (CCTA). The number of significantly stenosed coronary vessels (vessel disease (VD), ≥ 50% coronary stenosis is diagnosed as CAD) and the Gensini score were quantified using CCTA, and the lipid profile was measured. The patients were divided into four groups according to the HDL-C level: < 40 mg/dL (n = 115, low), 40 - 59 mg/dL (n = 530, normal), 60 - 89 mg/dL (n = 335, high) and ≥ 90 mg/dL (n = 36, very-high). RESULTS: The percentage (%) of CAD in the low, normal, high and very-high groups was 69%, 55%, 42% and 25%, respectively (P for trend < 0.01). The Gensini score in the low, normal, high and very-high groups was 20 ± 25, 12 ± 16, 8 ± 12 and 4 ± 6, respectively (P for trend < 0.01). The very-high group showed the lowest triglyceride (TG) levels among the four groups. There were no significant differences in the level of low-density lipoprotein cholesterol or % use of statin among the four groups. Finally, the presence of CAD was independently associated with a low level of HDL-C, in addition to age, male, high systolic blood pressure and hemoglobin A1c, but not TG, by a multivariate logistic regression analysis. CONCLUSIONS: High levels of HDL-C at the time of CCTA for screening were associated with a reduced presence and severity of CAD.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».