Low-Density Lipoprotein Cholesterol Level Trends and the Development of Cardiac Allograft Vasculopathy After Heart Transplantation
Notice bibliographique
Résumé
BACKGROUND: Unlike the relationship with atherosclerotic coronary artery disease, that between low-density lipoprotein cholesterol (LDL-C) and cardiac allograft vasculopathy (CAV) is unclear. Our objectives were to characterize lipid profiles early after heart transplantation (HT) and evaluate the relationship between early LDL-C and the development of CAV. METHODS: We retrospectively reviewed consecutive adults who underwent HT at 2 centres during the time period 2010-2018. The primary outcome was the incidence of angiographic CAV. The relationship between LDL-C and CAV was assessed using Cox proportional hazards and logistic regression models adjusted a priori for clinically important covariates, including recipient and donor age, recipient sex, ischemic time, and pre-HT diabetes. RESULTS: < 0.01). Of 309 patients who underwent angiography, 54% had CAV. The risk of CAV did not vary according to baseline, 1-year, or change from baseline to 1-year LDL-C. The odds of CAV at 1 year were equally likely across LDL-C values (adjusted odds ratio 1.00, 95% confidence interval: 0.61-1.63 for baseline, and adjusted odds ratio 1.25, 95% confidence interval: 0.74-2.10 for 1-year LDL-C). CONCLUSIONS: No association was identified between early LDL-C and the development of CAV. Our findings do not support targeting a specific LDL-C for patients who do not otherwise meet criteria for guideline-recommended LDL-C target levels. Randomized studies are warranted to determine if lipid-lowering to a specific LDL-C target level modifies the risk of CAV.
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 | 0,000 |
| 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 ».