Residual macrovascular risk in 2013: what have we learned?
Notice bibliographique
Résumé
Cardiovascular disease poses a major challenge for the 21st century, exacerbated by the pandemics of obesity, metabolic syndrome and type 2 diabetes. While best standards of care, including high-dose statins, can ameliorate the risk of vascular complications, patients remain at high risk of cardiovascular events. The Residual Risk Reduction Initiative (R3i) has previously highlighted atherogenic dyslipidaemia, defined as the imbalance between proatherogenic triglyceride-rich apolipoprotein B-containing-lipoproteins and antiatherogenic apolipoprotein A-I-lipoproteins (as in high-density lipoprotein, HDL), as an important modifiable contributor to lipid-related residual cardiovascular risk, especially in insulin-resistant conditions. As part of its mission to improve awareness and clinical management of atherogenic dyslipidaemia, the R3i has identified three key priorities for action: i) to improve recognition of atherogenic dyslipidaemia in patients at high cardiometabolic risk with or without diabetes; ii) to improve implementation and adherence to guideline-based therapies; and iii) to improve therapeutic strategies for managing atherogenic dyslipidaemia. The R3i believes that monitoring of non-HDL cholesterol provides a simple, practical tool for treatment decisions regarding the management of lipid-related residual cardiovascular risk. Addition of a fibrate, niacin (North and South America), omega-3 fatty acids or ezetimibe are all options for combination with a statin to further reduce non-HDL cholesterol, although lacking in hard evidence for cardiovascular outcome benefits. Several emerging treatments may offer promise. These include the next generation peroxisome proliferator-activated receptorα agonists, cholesteryl ester transfer protein inhibitors and monoclonal antibody therapy targeting proprotein convertase subtilisin/kexin type 9. However, long-term outcomes and safety data are clearly needed. In conclusion, the R3i believes that ongoing trials with these novel treatments may help to define the optimal management of atherogenic dyslipidaemia to reduce the clinical and socioeconomic burden of residual cardiovascular risk.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 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 ».