Elevated Lipoprotein(a) and Risk of Atrial Fibrillation
Notice bibliographique
Résumé
Atrial fibrillation (AF) is a cardiac arrhythmia associated with an elevated risk of stroke, heart failure, and mortality. However, preventative therapies are needed with ancillary benefits on its cardiovascular comorbidities. Lipoprotein(a) (Lp[a]) is a recognized risk factor for atherosclerotic cardiovascular disease (ASCVD), which itself increases AF risk, but it remains unknown whether Lp(a) is a causal mediator of AF independent of ASCVD. This study investigated the role of Lp(a) in AF and whether it is independent of ASCVD. Measured and genetically predicted Lp(a) levels were tested for association with 20,432 cases of incident AF in the UK Biobank (N = 435,579). Mendelian randomization analyses were performed by using summary-level data for AF from publicly available genome-wide association studies (N = 1,145,375). In the UK Biobank, each 50 nmol/L (23 mg/dL) increase in Lp(a) was associated with an increased risk of incident AF using measured Lp(a) (HR: 1.03; 95% CI: 1.02-1.04 ; P = 1.65 × 10–8) and genetically predicted Lp(a) (OR: 1.03; 95% CI: 1.02-1.05; P = 1.33 × 10–5). Mendelian randomization analyses using independent data replicated the effect (OR: 1.04 per 50 nmol/L Lp[a] increase; 95% CI: 1.03-1.05 per 50 nmol/L Lp[a] increase; P = 9.23 × 10–10). There was no evidence of risk-conferring effect from low-density lipoprotein cholesterol or triglycerides, and only 39% (95% CI: 27%-73%) of Lp(a) risk was mediated through ASCVD, suggesting that Lp(a) partly influences AF independent of its known effects on ASCVD. Our findings implicate Lp(a) as a potential causal mediator in the development of AF which show that the effects of Lp(a) extend across myocardial tissues. Ongoing clinical trials for Lp(a)-lowering therapies should evaluate effects on AF prevention.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».