Lipid Lowering in “Very High Risk” Patients Undergoing Coronary Artery Bypass Surgery and Its Projected Reduction in Risk for Recurrent Vascular Events: A Monte Carlo Stepwise Simulation Approach
Notice bibliographique
Résumé
ABSTRACT: 2018 AHA guidelines provide criteria to identify patients at very high risk (VHR) for adverse vascular events and recommend an low density lipoprotein-C (LDL-C) level <1.8 mmol/L. Data regarding the 10-year risk for adverse vascular events in coronary artery bypass grafting (CABG) patients at VHR and the need for nonstatin therapies in the VHR cohort are limited. We queried a national cohort of CABG patients to answer these questions. The projected reduction of LDL-C from stepwise escalation of lipid-lowering therapy (LLT) was simulated; Monte Carlo methods were used to account for patient-level heterogeneity in treatment effects. Data on preoperative statin therapy and LDL-C levels were obtained. In the first scenario, all eligible patients not at target LDL-C received high-intensity statins, followed by ezetimibe and then alirocumab; alternatively, bempedoic acid was also used. The 10-year risk for an adverse vascular event was estimated using a validated risk score. Potential risk reduction was estimated after simulating maximal LLT. Before CABG, 8948 of 27,443 patients (median LDL-C 85 mg/dL) were at VHR. In the whole cohort, 31% were receiving high-intensity statins. With stepwise LLT escalation, the proportion of patients at target were 60%, 78%, 86%, and 97% after high-intensity statins, ezetimibe, bempedoic acid, and alirocumab, respectively. The projected 10-year risk to suffer a vascular event reduced by 4.6%. A large proportion of CABG patients who are at VHR for vascular events fail to meet 2018 AHA LDL-C targets. A stepwise approach, particularly with the use of bempedoic acid, can significantly reduce the need for more expensive proprotein convertase subtilisin kexin 9 inhibitors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».