Familial Hypercholesterolemia (FH) in Iran: Findings from the Four-Year FH Registry
Notice bibliographique
Résumé
BACKGROUND: Familial hypercholesterolemia (FH) is a common autosomal dominant disease. Its diagnosis in Iran was uncommon. Iran registry of FH (IRFH) has been started from 2017 from Isfahan. In this study, we report the four-year FH registry. METHODS: The Iran FH registry is an ongoing study which is followed by a dynamic cohort. It has been started from 2017. The patients are selected from laboratories due to high cholesterol level and who have history of premature cardiovascular disease. The Dutch Lipid Clinic Network (DLCN) criteria are used for the detection of FH. Cascade screening is performed for detection of first-degree relative of patients. RESULTS: Among the 997 individuals included in this registry, they were 522 (mean age 51.41 ± 12.91 year), 141 (mean age 51.66 ± 8.3 year), and 129 (mean age 41 ± 16.5 year) patients from laboratories, premature cardiovascular disease, and relatives, respectively. In total, 263 patients were diagnosed with probable or definite FH, and others were in the possible group. Low-density lipoprotein cholesterol (LDL) level was 141.42 ± 45.27 mg/dl in the laboratory group and 54.9% of patients were on LLT treatment. In patients with premature cardiovascular disease and FH, the LDL level was 91.93 ± 32.58 and was on LLT treatment. The LDL concentration in the first relative of FH patients was 152.88 ± 70.77 and 45.7% of them are on LLT therapy. CONCLUSIONS: Most of FH patients were underdiagnosed and undertreated before their inclusion in the IRFH. Cascade screening helps in the improvement of diagnosis.
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) | 0,000 | 0,000 |
| 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 ».