Small Dense Low-Density Lipoprotein for Risk Prediction of Acute Coronary Syndrome
Notice bibliographique
Résumé
BACKGROUND: Elevated Low density Lipoprotein (LDL) levels have been traditionally associated with development of atherosclerotic coronary artery disease (CAD). As LDL-cholesterol levels are not always raised in acute coronary syndrome (ACS) patients, sd-LDL is an emerging risk factor. The purpose of the present study was tri-fold. Firstly, it aimed to investigate the association of sd-LDL as a risk factor in ACS patients. Secondly, it aimed to correlate the presence of sd-LDL with severity of coronary artery disease as determined by coronary angiography. Lastly, it aimed to correlate the presence of sd-LDL with short-term outcomes. METHODS: This was a prospective, hospital-based, cross-sectional, case-control study conducted over a 1-year study duration. Patients above the age of 18 years diagnosed with ACS within 24 h of admission were studied. Blood samples were collected after all patients had undergone coronary angiography and sd-LDL levels were measured. RESULTS: ACS patients had significantly higher sd-LDL levels than non-ACS patients (16.10 ± 1.42 mg/dL vs. 12.67 ± 0.71 mg/dL, P = 0.036). Males had significantly higher sd-LDL levels than females (16.79 ± 1.55 mg/dl vs. 10.77 ± 2.62 mg/dl, P=0.047). Patients with non-left anterior descending coronary artery (LAD) involvement had significantly higher sd-LDL levels compared to patients with LAD involvement (21.92 ± 3.55 mg/dL vs. 14.03 ± 1.35 mg/dL, P = 0.007). CONCLUSION: These results suggest that sd-LDL is a risk factor for the development of ACS in an Indian population.
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 | 0,004 | 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 ».