Genetics, its role in preventing the pandemic of coronary artery disease
Notice bibliographique
Résumé
Epidemiologists have claimed for decades that about 50% of predisposition for coronary artery disease (CAD) is genetic. Advances in technology made possible the discovery of hundreds of genetic risk variants predisposing to CAD. Multiple clinical trials have shown that cardiac events can be prevented by drugs to lower plasma low-density lipoprotein cholesterol (LDL-C). A major barrier to primary prevention is the lack of markers to identify those individuals at risk prior to the development of symptoms of the disease. Conventional risk factors are age-dependent, occurring mostly in the sixth or seventh decade, which is less than desirable for early primary prevention. A polygenic risk score, derived from the number of genetic risk variants predisposing to CAD inherited by an individual, has been evaluated in over 1 million individuals. The risk for CAD is stratified into high, intermediate, and low. Polygenic risk scores derived from retrospective genotyping of several clinical trials evaluating the effect of statin therapy or PCSK9 inhibitors show the genetic risk is reduced 40%-50% by decreasing plasma LDL-C. Prospective randomized placebo-controlled clinical trials document a 40%-50% reduction in cardiac events in individuals at high genetic risk associated with favorable lifestyle changes and increased physical activity. The polygenic risk score is not age-dependent and remains the same throughout life. Thus, the GRS is superior to conventional risk factors in identifying asymptomatic individuals at risk for CAD early in life for primary prevention. These results indicate clinical embracement of the GRS in primary prevention would be a paradigm shift in the treatment of the number one killer, 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».