Impact of Apolipoprotein A-I Infusions on Cardiovascular Events Post-MI by Neutrophil-Lymphocyte Ratio and LDL-Cholesterol Levels
Notice bibliographique
Résumé
BACKGROUND: The AEGIS-II (ApoA-I Event Reducing in Ischemic Syndromes-II; NCT03473223) trial evaluated CSL112, a human plasma-derived apolipoprotein A-I therapy, for reducing cardiovascular events after acute myocardial infarction (AMI). Given CSL112's potential anti-inflammatory properties, we conducted an exploratory post hoc analysis to determine if its efficacy is influenced by baseline neutrophil-lymphocyte ratio (NLR), a marker of systemic inflammation, and low-density lipoprotein cholesterol (LDL-C). OBJECTIVES: The purpose of this study was to investigate the association of baseline NLR and cardiovascular events and explore whether NLR and LDL-C modify CSL112's efficacy in post-AMI patients. METHODS: A total of 18,219 participants with AMI, multivessel coronary artery disease, and additional cardiovascular risk factors were randomized to 4 weekly infusions of 6 g CSL112 or placebo. The primary endpoint was a composite of cardiovascular death, myocardial infarction, or stroke (major adverse cardiovascular events [MACE]). Cox proportional hazards models evaluated risk by dichotomized baseline NLR (>median vs ≤median). Treatment interactions with NLR and LDL-C (≥100 vs <100 mg/dL) were assessed. RESULTS: = 0.029). CONCLUSIONS: Baseline elevated NLR predicts MACE in post-AMI patients, and CSL112 showed an associated reduction in MACE in patients with elevated NLR and LDL-C ≥100 mg/dL.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».