Impact of C-reactive protein levels on lipoprotein(a)-associated aortic stenosis incidence and progression
Notice bibliographique
Résumé
Abstract Aims Elevated lipoprotein(a) [Lp(a)] levels are associated with the risk of coronary artery disease (CAD) and calcific aortic valve stenosis (CAVS). Observational studies revealed that Lp(a) and C-reactive protein (CRP) levels, a biomarker of systemic inflammation, may jointly predict CAD risk. Whether Lp(a) and CRP levels also jointly predict CAVS incidence and progression is unknown. Methods and results We investigated the association of Lp(a) with CAVS according to CRP levels in the European Prospective Investigation into Cancer and Nutrition (EPIC)-Norfolk study (n = 18 226, 406 incident cases) and the UK Biobank (n = 438 260, 4582 incident cases), as well as in the ASTRONOMER study (n = 220), which assessed the haemodynamic progression rate of pre-existing mild-to-moderate aortic stenosis. In EPIC-Norfolk, in comparison to individuals with low Lp(a) levels (<50 mg/dL) and low CRP levels (<2.0 mg/L), those with elevated Lp(a) (>50 mg/dL) and low CRP levels (<2.0 mg/L) and those with elevated Lp(a) (>50 mg/dL) and elevated CRP levels (>2.0 mg/L) had a higher CAVS risk [hazard ratio (HR) = 1.86 (95% confidence intervals, 1.30–2.67) and 2.08 (1.44–2.99), respectively]. A comparable predictive value of Lp(a) in patients with vs. without elevated CRP levels was also noted in the UK Biobank. In ASTRONOMER, CAVS progression was comparable in patients with elevated Lp(a) levels with or without elevated CRP levels. Conclusion Lp(a) predicts the incidence and possibly progression of CAVS regardless of plasma CRP levels. Lowering Lp(a) levels may warrant further investigation in the prevention and treatment of CAVS, regardless of systemic inflammation.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».