Contribution of Lipoprotein(a) to Polygenic Risk Prediction of Coronary Artery Disease: A Prospective UK Biobank Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Lp(a) (lipoprotein[a]) is a highly atherogenic lipoprotein subfraction that may contribute to polygenic risk of coronary artery disease (CAD), but the extent of this contribution is unknown. Our objective was to estimate the contribution of Lp(a) to polygenic risk of CAD and to evaluate the respective contributions of Lp(a) and a CAD polygenic risk score (PRS) to CAD. Methods: A total of 372 385 UK Biobank participants of European ancestry free of CAD at baseline were included. Plasma Lp(a) levels were measured and a CAD-PRS was calculated using the LDpred2 algorithm. Over the median follow-up of 12.6 years, 13 538 participants had incident CAD (myocardial infarction, coronary artery bypass grafting, or coronary angioplasty). Results: The LPA region contribution to the CAD-PRS-mediated CAD risk was modest (7.2% [95% CI, 6.1–8.3]). Lp(a) levels significantly increased the predictive performance of a CAD-PRS including age and sex in Cox regression (C statistic 0.751 versus 0.746, difference, 0.005 [95% CI, 0.004–0.006]). Compared with participants in the bottom CAD-PRS quintile with Lp(a) levels <25 nmol/L (CAD event rate, 1.4%), the hazard ratio for incident CAD in participants in the top CAD-PRS quintile with Lp(a) levels ≥125 nmol/L was 5.45 (95% CI, 4.93–6.03; P =9.35×10 -242 , CAD event rate 6.6%). Conclusions: Compared with individuals with a low genetic risk of CAD (low CAD-PRS and low Lp[a] levels), those with a high genetic risk (high CAD-PRS and high Lp[a] levels) had a 5-fold higher CAD risk. These results highlight a substantial contribution of genetic risk factors to CAD and that accurate estimation of genetic risk of CAD may need to consider blood levels of Lp(a).
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle