Association of white matter hyperintensities with lipoprotein (a) levels: insights from a cohort study
Notice bibliographique
Résumé
Background Little is known about the relationship between lipoprotein (a) [Lp(a)] and cerebral white matter hyperintensities (WMH). The aim of the study was to examine if elevated Lp(a) levels are associated with higher burden of WMH. Methods We retrospectively investigated associations between Lp(a) and the burden of WMH among patients with confirmed diagnosis of acute ischemic stroke or transient ischemic attacks. WMH burden was assessed using 3-Tesla brain MRI and graded according to the Fazekas score. Multivariable models were generated to determine the contribution of Lp(a) to the presence and extent of WMH. Results One hundred and fifty-three patients were included (mean age, 45.9 years; 35.9% women). When the study population was stratified by Lp(a) level into three categories, low (<75 nmol/L), moderate (75 to <125 nmol/L), and high (≥125 nmol/L), the distribution of the three groups was 60.8, 15.0 and 24.2%, respectively. High Lp(a) Level was associated with higher burden of both periventricular WMH and deep WMH compared to the lower level (odds ratio [OR], 4.4; 95% confidence interval [CI], 1.60–12.07; p = 0.004; and OR, 5.6; CI, 1.69–14.7; p = 0.001, respectively). Conclusion We show in this cohort of patients that a higher burden of WMH was observed in patients with higher level of Lp(a). Further studies are needed to confirm this observation and assess whether lowering Lp(a) level may be a potential therapeutic target for mitigating the development of WMH.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».