Why, how and in whom should we measure levels of lipoprotein(a): A review of the latest evidence and clinical implications
Notice bibliographique
Résumé
Lipoprotein(a) [Lp(a)] is a genetically determined, causal risk factor for atherosclerotic cardiovascular disease (ASCVD) and calcific aortic valve disease (CAVD). Despite robust evidence from epidemiological and genetic studies, Lp(a) remains underrecognised in clinical practice due to challenges in measurement, lack of guideline familiarity and limited therapeutic options. In this narrative review, we summarise the pathophysiological mechanisms linking Lp(a) to atherogenesis, thrombosis and inflammation, emphasising its unique structural features and causal role in cardiovascular disease. We discuss assay methodologies and make the case for a single lifetime measurement given the genetic stability of Lp(a). We review guideline-based indications for testing, highlighting high-risk populations such as those with premature ASCVD, a family history of cardiovascular disease and individuals of African or South Asian ancestry. We additionally outline clinical strategies to reduce ASCVD risk in individuals with elevated Lp(a), including lifestyle optimisation, statin therapy, PCSK9 inhibitors, and aspirin in select populations. Emerging targeted therapies, including antisense oligonucleotides and siRNA-based agents, demonstrate up to 90% Lp(a) reduction and are currently being evaluated in large-scale cardiovascular outcomes trials. As precision medicine advances, Lp(a) represents both a critical risk factor and a promising therapeutic target. Broader implementation of Lp(a) testing, particularly in high-risk individuals, will help improve ASCVD prevention efforts.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».