Regression of carotid atherosclerosis in high‐risk individuals with proprotein convertase subtilisin/kexin type 9 inhibitors
Notice bibliographique
Résumé
Proprotein convertase subtilisin/kexin type 9 (PCSK9) inhibitors represent a novel approach for reducing cholesterol and, accordingly, the burden of atherosclerosis. However, limited data are available regarding the possible effects of PCSK9 inhibitors on atherosclerotic plaque. To evaluate the efficacy of PCSK9 inhibitors in reducing carotid plaque progression in individuals with high-risk carotid atherosclerotic disease. We used carotid total plaque area (TPA) to assess the burden of atherosclerosis. Ultrasound imaging of the carotid was acquired before and after the initiation of PCSK9 inhibitor therapy. We selected high-risk cases with atherosclerosis with a minimum of three ultrasound examinations, 1 year before, one at the time of initiation of a PCSK9 inhibitor, and 1 year after initiating a PCSK9 inhibitor. Statistical analysis was conducted using the mixed-effects model with Restricted Maximum Likelihood (REML). We reviewed data from 131 patients with a mean follow-up of 6 (±4) years. Patients were high-risk, with the majority having diabetes or hypertension. There was a decrease in TPA, particularly during the first 3 years after initiating PCSK9 inhibitor therapy (p < 0.05). Furthermore, we observed that individuals with higher baseline serum low-density lipoprotein cholesterol (LDL-C) levels experienced a greater decline in TPA (p < 0.05). PCSK9 inhibitors are effective in achieving plaque regression in high-risk patients with atherosclerosis. This is important, as plaque regression is associated with a lower risk of stroke, myocardial infarction, or vascular death.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».