为了准确的LDL胆固醇估计:基于平台的,基于人群的方程在两个独立的队列中表现优于弗里德瓦尔德
Imola Györfi1, Ion Bogdan Mănescu2,3, Oana Roxana Oprea2,3
1Doctoral School (I.O.S.U.D), George Emil Palade University of Medicine, Pharmacy, Science, and Technology of Targu Mures, Romania.
新的方程准确估计低密度脂蛋白胆固醇 (LDL-C),改善心血管风险评估. 这些平台特定模型的性能优于传统的弗里德瓦尔德方程,提供更好的临床准确性.
科学领域:
- 临床化学 临床化学
- 心血管疾病生物标志物 心血管疾病生物标志物
- 流行病学 流行病学
背景情况:
- 低密度脂蛋白胆固醇 (LDL-C) 对心血管风险评估至关重要.
- 弗里德瓦尔德方程是估计LDL-C的常用方法,但在不同种群和分析平台上具有精度的限制.
研究的目的:
- 开发和验证特定于人群的,适合平台的LDL-C估计方程.
- 将这些新型方程的性能与弗里德瓦尔德方程进行比较.
主要方法:
- 从两个数据集 (罗氏科巴斯和阿博特Alinity平台) 中对31,265名个体的脂质资料进行了回顾性分析.
- 使用总胆固醇,HDL-C和甘油三的线性回归模型的开发.
- 使用中位数绝对误差 (MAE),中位数百分比误差 (MPE) 和分类准确度来评估性能.
主要成果:
- 与弗里德沃尔德方程相比,为每个平台推导的新型方程表明MAE和MPE明显较低.
- 罗奇科巴斯衍生的方程实现了85.1%的分类准确度,而阿博特基于Alinity的模型实现了78.6%,两者都大大超过了弗里德瓦尔德 (67.1%和65.3%).
- 新的方程显示出更平衡的错误分布.
结论:
- 与弗里德沃尔德方程相比,特定于平台的,适应人群的LDL-C方程提供了更高的准确性和心血管风险分类.
- 这些新型方程的实施在临床上是有意义的.
- 临床整合需要更广泛的验证和专业指导.
更多相关视频
11:13Enrichment of Native Lipoprotein Particles with microRNA and Subsequent Determination of Their Absolute/Relative microRNA Content and Their Cellular Transfer Rate
Published on: May 9, 2019
08:45LDL Cholesterol Uptake Assay Using Live Cell Imaging Analysis with Cell Health Monitoring
Published on: November 17, 2018
相关概念视频
Analysis of Population Pharmacokinetic Data
Drug Dosing in Renal Diseases: Estimation of Glomerular Filtration Rate Based on Serum Creatinine Concentration
Mechanistic Models: Compartment Models in Individual and Population Analysis
Dosage Regimens: Partial Pharmacokinetic Parameters
Measurement of Bioavailability: Pharmacodynamic Methods
Measurement of Bioavailability: Pharmacokinetic Methods
