Trends in lipoprotein(a) testing and impact on clinical care: A contemporary systemwide analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
: Elevated lipoprotein(a) [Lp(a)] is an independent, causal risk factor for atherosclerotic cardiovascular disease (ASCVD), yet testing remains low. As our health system has expanded its efforts to increase Lp(a) awareness, we evaluated testing rates and their impact on care. : Lp(a) testing rates were collected through electronic health record queries between 1/1/2022 to 12/31/2024. Baseline demographics, ASCVD status, Lp(a) testing rates by specialty, lipid lowering therapy (LLT) prescriptions and number of cardiology referrals were collected. : 450,412 outpatients had ≥1 lipid panel order and 3.7% (N=16,476) had Lp(a) tested. Of those who had Lp(a) measured, 50.5% were female and 61.8% identified as White. Most Lp(a) orders were for patients without established ASCVD (68.9%). Between 2022-2024, Lp(a) orders increased from 3,052 to 8,425. Most orders were placed by cardiologists although their proportion decreased (75.5% in 2022 vs. 62.9% in 2024) as orders from other specialties increased. We found 67.0% of patients with normal Lp(a) (<75 nmol/L), 12.2% were intermediate risk (75 ≥ Lp(a) < 125 nmol/L), 11.3% were high risk (125 ≥ Lp(a) < 200 nmol/L) and 9.4% had very high-risk values (≥200 nmol/L). Across the same Lp(a) categories, LLT initiation/escalation rates were 12.8%, 17.5%, 20.2% and 22.1%. There was a positive association between LLT initiation/escalation and Lp(a) range (p<0.0001). : While Lp(a) testing was low, it increased substantially over time. High risk Lp(a) levels were found irrespective of ASCVD status and were associated with more aggressive treatment. Systematic strategies to increase Lp(a) awareness and testing are warranted to mitigate 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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 découle