Höheres ApoB, länger, schlimmer

Kumulativ Apolipoprotein B-Belichtung

Biologische Rationale, Evidenz beim Menschen, Messherausforderungen und ein vorgeschlagener Forschungsrahmen

Zusammenfassung

atherosklerotisch Herz-Kreislauf-Erkrankung (ASCVD) ist eine Erkrankung der kumulative Exposition, obwohl sie dennoch fast ausschließlich durch querschnittliche Lipidmessungen bewertet wird. Ein wesentlicher kausaler Bestimmungsfaktor von Plaque ist die Anzahl der Apolipoprotein-B-ApoB)-haltig Lipoprotein Teilchen, die das Endothel und im Arterienblut zurückgehalten Intima, über die Zeit integriert. Dieses Konstrukt — apoB-Jahre — ist mechanistisch treuer als jeder einzelne ApoB-Wert und treuer als LDL-Cholesterin (LDL-C) zu jedem beliebigen Zeitpunkt, da LDL-C misst Cholesterin Fracht statt Partikelanzahl.

Diese Übersichtsarbeit fasst vier konvergierende Linien menschlicher Evidenz zusammen: (1) longitudinale Kohortendaten, die zeigen, dass die kumulative LDL-C- und kumulative ApoB-Exposition das Auftreten von ASCVD unabhängig von gleichzeitigen Lipidwerten vorhersagen; (2) Unstimmigkeit Analysen, die zeigen, dass bei einer Diskrepanz zwischen ApoB und LDL-C das Risiko näher mit ApoB korreliert, wobei die Prävalenz und das Ausmaß dieser Diskrepanz stark von der Population, dem Lipidphänotyp, dem Behandlungsstatus und der Methode zur LDL-C-Bestimmung abhängen; (3) Bildgebungs- und Pathologiedaten, die die kumulative Exposition mit Plaquebelastung während zwischen Plaque-Last und Ereignisrisiko unterschieden wird; und (4) Interventionsdaten, die zeigen, dass eine intensive Senkung atherogener Lipoproteine, die hauptsächlich durch LDL-C-senkende Interventionen nachgewiesen wurde, die Koronargefäße aufhält und teilweise zurückbildet Atherom entlang eines Dosis-Wirkungs-Beziehung Kurve, bei der im untersuchten Bereich kein klarer unterer Schwellenwert ermittelt wurde.

Auf dieser Grundlage definieren wir die kumulative apoB-Exposition als deskriptives Forschungsmass, ausgedrückt in mg/dL·Jahren, und legen explizit dar, warum sie derzeit nicht in eine individuelle Risikoschätzung umgerechnet werden kann. Drei Einschränkungen sind entscheidend und werden nacheinander untersucht: die veröffentlichte kumulative Exposition Hazard Ratios wurden aus Spline-basierten gemischten Modellen über ein definiertes Altersfenster abgeleitet und beschreiben einen kohortenbezogenen Zusammenhang, keinen individuellen Multiplikator; eine apoB-Steigung im Populationsmittel kann den Verlauf der frühen Lebensphase eines Einzelnen nicht rekonstruieren; und studienspezifische Zusammenhänge zwischen Plaqueveränderung und Ereignisreduktion können nicht auf einzelne Patienten übertragen werden. Wir behandeln apoB-Jahre entsprechend – als eine Messgröße im Kandidatenstatus, die Ableitung, Kalibrierung und externe Validierung erfordert –, und schließen mit dem Validierungsprogramm, das erforderlich wäre, bevor sie in die Versorgung einfließen könnte.

1. Das Problem mit dem Schnappschuss

Das moderne Lipidmanagement fordert von chronisch Kranken Arterie Eine einzige Frage in einem einzigen Augenblick. Einem 52-jährigen Patienten mit einem LDL-C-Wert von 118 mg/dL werden auf der Grundlage eines Messwerts, der den heutigen Zustand beschreibt, eine Risikokategorie, ein Behandlungsschwellenwert und ein Nachbeobachtungsintervall zugewiesen. Dies sagt nichts darüber aus, ob diese Person dreißig Jahre lang einen LDL-C-Wert von 75 mg/dL hatte und in den letzten drei Jahren angestiegen ist, oder ob sie seit der Adoleszenz 160 mg/dL hatte und der Wert gerade erst zu sinken begonnen hat. Diese beiden Arterien befinden sich nicht im selben Zustand, und keine noch so große statistische Anpassung des aktuellen Wertes gleicht diesen Unterschied aus.

Die Parallele zur Tabakexposition ist konzeptionell nützlich, wenn auch biologisch unvollkommen: Packungsjahre selbst ein unvollkommener Index ist, der die Inhalationstiefe, den Zeitpunkt des Aufhörens oder nichtlineare Effekte nicht erfasst, und die apoB-Exposition interagiert gleichermaßen mit der arteriellen Anfälligkeit und anderen Risikofaktoren. Dennoch ist die Logik übertragbar. Eine einzelne Messung der heute gerauchten Zigaretten ist nahezu uninformativ; Packungsjahre sind die Variable, die prognostische Bedeutung hat. Kumulierte Lipoproteinexposition – “Cholesterinjahre,” “LDL-Jahre,” oder, mechanistischer ausgedrückt, direkter dargestellt als “apoB-Jahre” – ist das kardiovaskuläre Äquivalent [1], [2], [3].

Drei Entwicklungen machen diesen Zeitpunkt zum richtigen, um die Metrik zu formalisieren. Erstens liegen nun direkte longitudinale Daten zur kumulativen ApoB-Exposition vor, nicht nur zur kumulativen LDL-C-[3]. Zweitens sind ApoB-Assays standardisiert, erfordern kein Nüchternsein und sind in vielen Gesundheitssystemen im Allgemeinen kostengünstig, und die multigesellschaftliche ACC/AHA-Leitlinie 2026 Dyslipidämie Leitlinie erweitert und integriert die selektive ApoB-Messung prominenter in die Routinebeurteilung, aufbauend auf der bereits in der Leitlinie von 2018 anerkannten engeren Rolle als Risikoverstärker, die ApoB bei oder über 130 mg/dL als risikoverstärkenden Faktor benannte und Triglyceride bei oder über 200 mg/dL eine relative Indikation für die Messung [4], [5], [6Drittens ist die Population, bei der LDL-C in die Irre führt — der insulinresistente und diabetische Phänotyp mit cholesterinarmen Partikeln und triglyceridenreichen Remnants — in heutigen Primärpräventionspopulationen häufig und nimmt zu.

2. Warum Partikel-Zeit und nicht Cholesterin-Jetzt die bevorzugte Expositionsvariable ist

2.1 Antwort-zu-Retention als ein Massenwirkungs-Prozess

Atherogenese beginnt, wenn apoB-haltige Lipoproteine die endotheliale Schranke überwinden und durch ionische Wechselwirkung zwischen den basischen Restclustern auf der subendothelialen Matrix zurückgehalten werden apoB-100 und das negativ geladene sulfatierte Glykosaminoglykan Ketten von intimalen Proteoglykanen Versican, Biglykan, Decorin [7], [8]. Die Bindung geht voraus Entzündung. Es geht der Monozytenrekrutierung voraus., Schaumzelle Entstehung und jedes darauf folgende zelluläre Ereignis. Dies ist das Response-to-Retention-Hypothese, was innerhalb weniger Jahre nach seiner Formulierung bekräftigt wurde [9] und bleibt die dominante mechanistische Erklärung der frühen Atherogenese in zeitgenössischen Übersichtsartikeln [10].

Die kinetische Konsequenz ist der klinisch entscheidende Punkt. Wenn die Plaque-Masse von der Anzahl der retinierten Partikel abhängt und die Retention von der Anzahl der Partikel, die dem Endothel pro Zeiteinheit dargeboten werden, dann verhält sich die Plaque-Akkumulation wie ein Integral und nicht wie eine Momentaufnahme. Transzytose von ApoB-Partikeln ist Rezeptor-vermittelt — Scavenger-Rezeptor Klasse B Mitglied 1 (SR-B1) und der Activin-Rezeptor-ähnlichen Kinase 1 (ALK1) in Verbindung gebracht wurden – und zwar konzentrationsabhängig [10].

Die Stärke dieser Abhängigkeit sollte nicht übertönen werden. Sie ist richtungsweisend konzentrationsabhängig, kein exaktes Eins-zu-Eins-Gesetz beim Menschen. HerzkranzgefäßeDer Eintritt und Verbleib werden durch endotheliale Permeabilität, arterielle Segmentgeometrie und Hämodynamik, Partikelgröße und -zusammensetzung modifiziert, Proteoglycan-Bindung Affinität, Blutdruck, des glykämischen Zustands, der Clearance aus der Intima und der bestehenden Plaque-Architektur. Die vertretbare Aussage ist, dass eine höhere zirkulierende apoB-Konzentration die Anzahl der für den arterielle Einstieg und Retention verfügbaren Partikel erhöht und dass dies, über die Zeit integriert, die kumulative retenzierte Last erhöht, wobei die individuelle Beziehung durch die Anfälligkeit der Arterienwand modifiziert wird.

2.2 Warum ApoB die atherogene Partikelbelastung direkter widerspiegelt als LDL-C

Jedes leberstämmige VLDL, IDL, LDL, und ein Lp(a)-Partikel enthält ein Molekül ApoB-100, und herkömmliche Gesamt-ApoB-Assays können zusätzlich erfassen apoB-48 auf intestinal stammende Remnant-Partikel. Wegen dieses fast Eins-zu-Eins-Verhältnisses liefert Plasm-ApoB eine standardisierte Schätzung, die proportional ist zur Gesamtkonzentration von atherogene Partikel. Hier ist es wichtig, präzise zu sein: Routinetests geben ApoB als Massenkonzentration in mg/dL an und nicht als molare Partikelanzahl in nmol/L, und ApoB-48 aus Darmpartikeln, Unterschiede in der molekularen Masse von ApoB sowie die Testkalibrierung führen alle zu einer Abweichung zwischen der gemessenen Masse und der wahren Partikelzahl. ApoB ist ein standardisierter Stellvertreter für Feinstaubbelastung, nicht buchstäblich eine Anzahl. LDL-C hingegen misst das Cholesterin, das in LDL-Partikeln transportiert wird, was eine variable Menge ist: Partikel sind cholesterinarm in Insulinresistenz, Hypertriglyzeridämie und Typ-2 Diabetes, und in anderen Zuständen cholesterinangereichert [11], [12].

Dies führt zu einem systematischen und vorhersehbaren Versagensmodus. Zwei Patienten mit identischem LDL-C können eine wesentlich unterschiedliche Partikelanzahl aufweisen, und derjenige mit mehr Partikeln hat mehr Objekte, die in die Arterienwand eindringen und sich dort festsetzen können. Der Cholesteringehalt der Partikel gibt keinen direkten Aufschluss über die Anzahl der für den Eintritt und die Retention in den Arterien verfügbaren Partikel, obwohl Partikelzusammensetzung und -größe ihr arterielles Verhalten beeinflussen können. Die kumulative ApoB-Exposition weist daher die direkteste mechanistische Entsprechung zur atherogenen Partikelexposition auf; die kumulative LDL-C-Exposition ist ein Näherungswert dafür, der zufällig auf eine längere epidemiologische Historie zurückblicken kann, da LDL-C in den Kohorten, die am längsten liefen, häufiger gemessen wurde.

Diese Asymmetrie – bessere Konstruktion, dünnere direkte Daten – ist der ehrliche Zustand des Fachgebiets und sollte in jedem darauf aufgebauten klinischen Antrag offen dargelegt werden.

2.3 Die Expositionsmetriken, nach Rang geordnet

Metrik	Definition	Was es einfängt	Beweisstatus
Aktuelles ApoB	Konzentration eines einzelnen gemessenen Partikels	Nur die heutige Partikelbelastung	Gut validiert als querschnittlicher Risikomarker; das Risiko folgt im Allgemeinen dem ApoB, wenn ApoB und LDL-C diskordant sind, wobei die inkrementelle Verbesserung gegenüber genau geschätztem LDL-C oder Nicht-HDL-C je nach Population variiert [13]
Zeitgewichteter Mittelwert von ApoB	Kumulative Exposition ÷ Dauer	Anhaltender durchschnittlicher Partikeldruck, Normierung der Fluktuation	Kumulative/zeitintegrierte Exposition für LDL-C validiert; direkte apoB-Evidenz zeichnet sich ab [3], [14]
LDL-Jahre	Fläche unter der LDL-C-über-Alter-Kurve	Kumulative Cholesterinfracht, die an die Wand abgegeben wird	Die ausgereifteste longitudinale Evidenzbasis; unabhängig vom LDL-C im mittleren Lebensalter1], [14]
Nicht-HDL-Jahre	Fläche unter der Kurve des Nicht-HDL-C im Vergleich zum Alter	Gesamtes Cholesterin in apoB-haltigen Partikeln, einschließlich Remnants	Validiert in Studien zu Jugendlichen über die kumulative Exposition gegenüber erhöhtem Nicht-HDL-C [15]; es wurde kein direkter komparativer Vorteil gegenüber LDL-Jahren nachgewiesen
ApoB-Jahre	Fläche unter der ApoB-gegen-Alter-Kurve	Integrierte Partikel-Zeit – direkter Indikator für subendotheliales Einschließen	Direktste mechanistische Entsprechung zur Exposition gegenüber atherogenen Partikeln; direkte Daten zu menschlichen Endpunkten tauchen auf [3]. Nicht als klinischer Messwert validiert.

Tabelle 1. Kumulative Lipoproteinexpositionsmetriken. Die vorgeschlagene Reihung nach mechanistischer Nähe setzt apoB-Jahre an die oberste Stelle, wohingegen LDL-Jahre derzeit über die tiefgehendste longitudinale Validierung verfügt. Jedes klinische Instrument muss bezüglich dieser Umkehrung ehrlich sein.

3. Die humanen Evidenzen für kumulative Exposition

3.1 Kumulative LDL-C-Exposition: Die reife Evidenzbasis

Domanskij und Kollegen analysierten 4.958 CARDIA Teilnehmer, die im Alter von 18 bis 30 Jahren eingeschlossen und nach dem 40. Lebensjahr über einen medianen Zeitraum von 16 Jahren nachbeobachtet wurden. Sowohl die Fläche unter der LDL-C-gegen-Alter-Kurve als auch der zeitliche Verlauf ihrer Kumulation sagten nach Bereinigung um Geschlecht, ethnische Zugehörigkeit und traditionelle Risikofaktoren unabhängig voneinander kardiovaskuläre Ereignisse voraus: Hazard Ratio 1,053 pro 100 mg/dL·Jahre kumulativer Exposition (p < 0,0001) und Hazard Ratio 0,797 pro mg/dL/Jahr Steigung (p = 0,045) [1Der zweite Koeffizient ist der interessantere. Ein negativer Steigungszusammenhang bedeutet, dass dieselbe Gesamtexposition, die später im Leben stattfand, mit einem geringeren späteren Risiko verbunden war als dieselbe Gesamtexposition, die früher stattfand. Die Zeit ist nicht nur ein Multiplikator für die Konzentration; der Zeitpunkt im Leben, zu dem die Exposition stattfindet, modifiziert das Risiko unabhängig davon.

Zhang und Kollegen erweiterten dies in einer gepoolten Analyse von 18.288 Teilnehmern aus vier US-Kohorten und zeigten, dass die kumulative LDL-C-Exposition vom 18. bis zum 60. Lebensjahr das Auftreten von koronare Herzkrankheit unabhängig vom aktuellsten LDL-C-Wert im mittleren Lebensalter, bei kumulativer Exposition Quartile die sich über ca. <4.025, 4.025–4.796, 4.797–5.603 und ≥5.604 mg/dL·Jahre erstrecken [14]. Navar-Boggan und Kollegen zeigten in der Framingham-Offspring-Kohorte dass jedes Jahrzehnt, in dem junge Erwachsene einer Hyperlipidämie ausgesetzt waren, nach Bereinigung um den Nicht-HDL-Cholesterin-Wert im Alter von 55 Jahren mit einer bereinigten Hazard Ratio von 1,39 für eine koronare Herzkrankheit einherging und dass 85% der jungen Erwachsenen mit langanhaltender Hyperlipidämie die Kriterien nicht erfüllt hätten Statin Kriterien im Alter von 40 Jahren gemäß den damals geltenden Richtlinien15].

Diese letzte Abbildung verdeutlicht eine wichtige Einschränkung der gängigen schwellenwertbasierten Ansätze. Eine Metrik der kumulativen Exposition scheint besser geeignet zu sein, Personen zu identifizieren, bei denen sich arterielle Schäden anhäufen, die dennoch unter den herkömmlichen Behandlungsschwellen bleiben – genau die Gruppe, die ein aktueller Einzelschwellenwert strukturell nicht erfassen kann.

Wie diese Expositionen tatsächlich berechnet wurden – eine Einschränkung für alles Nachfolgende Domanski und Kollegen haben gemessene Werte nicht aufsummiert. Sie stellten Besuche nach Alter dar und passten ein nichtparametrisches, auf kubischen Splines basierendes Modell mit gemischten Effekten an, um das subjektspezifische LDL-C vom 18. bis zum 40. Lebensjahr zu schätzen, wobei Informationen aus der gesamten Kohorte einbezogen wurden. Die CARDIA-ApoB-Analyse verwendete ein analoges Spline-Modell mit gemischten Effekten und der besten linearen unverzerrten Vorhersage [1], [3]. Das Beobachtungsfenster betraf das Alter von 18 bis 40 Jahren; das Vorhersagefenster betraf das Alter von 40 bis 66 Jahren. Die Hazard Ratio von 1,053 pro 100 mg/dL·Jahren beschreibt die im ersten Fenster angesammelte Exposition zur Vorhersage von Ereignissen im zweiten. Jedes Schema, das einen einzelnen Wert zurückrechnet, linear interpoliert und trapezförmig aus spärlichen klinischen Panels integriert, ist eine unvalidierte Approximation dieser Methode – keine Implementierung davon – und jeder Koeffizient, der außerhalb des Rekrutierungsfensters von 18 bis 40 angewendet wird, wird außerhalb der Bedingungen verwendet, unter denen er geschätzt wurde.

3.2 Kumulative ApoB-Exposition: Die direkten Beweise

Die wichtigste Einzelstudie hier analysierte 4.366 CARDIA-Teilnehmer mit NMR-bestimmter apoB-Konzentration, LDL-Partikelanzahl (LDL-P) und die Anzahl der triglyceridreichen Lipoproteinpartikel (TRL-P) über ein 22-jähriges Expositionsfenster vom 18. bis unter 40. Lebensjahr, mit 241 ASCVD-Ereignissen über eine mittlere Nachbeobachtungszeit von 19,3 Jahren [3]. Jede um 1 Standardabweichung höhere kumulative ApoB-Exposition war mit einer unbereinigten Hazard Ratio von 1,53 (95 %-KI 1,36–1,72) verbunden; nach Bereinigung um Kovariaten betrug die Hazard Ratio etwa 1,30. Die kumulativen LDL-P- und TRL-P-Werte zeigten ein nahezu identisches Verhalten (unbereinigte HRs 1,54 bzw. 1,48).

Wichtigerweise identifizierten die Autoren einen Wendepunkt: Das ASCVD-Risiko begann ab einer gewissen apoB-Exposition anzusteigen, die über dem üblichen Wert von etwa 75 mg/dL lag, wenn dieser im Alter von 18 bis unter 40 Jahren aufrechterhalten wurde. Sie schlugen apoB unter 75 mg/dL als Ziel vor, um ein geringes Risiko bei jungen Erwachsenen aufrechtzuerhalten. Ausgedrückt als Integral über dieses 22-Jahres-Fenster entspricht 75 mg/dL einem arithmetischen Äquivalent von etwa 1.650 mg/dL·Jahren (75 × 22) – eine Transformation des berichteten Referenzwerts und kein separat abgeleiteter Schwellenwert.

Was diese Zahl von 1.650 ist und was sie nicht ist Es handelt sich um: einen kohortenspezifischen, aus Splines abgeleiteten Referenzpunkt bei etwa 75 mg/dL, oberhalb dessen das geschätzte Ereignisrisiko über ein bestimmtes Altersfenster hinweg deutlicher erhöht war, unter Verwendung von NMR-abgeleitetem apoB. Es ist NICHT: ein validierter Schwellenwert für das Auftreten erster Plaques, für Verkalkung, für hochriskante Plaquemorphologie, oder für die erste Myokardinfarkt. Es ist NICHT: ohne Weiteres übertragbar auf den Immunoassay für ApoB, auf andere Altersgruppen oder auf Populationen mit anderen Risikofaktorprofilen. Dieses Schild als klinischen Schwellenwert ohne diesen Kontext darzustellen, hieße, ihn zu überbewerten.

Die Variabilität der Trajektorien ist erheblich und muss modelliert statt wegdacht werden. Bei 3.055 CARDIA-Teilnehmern, die bei fünf Untersuchungen über einen Zeitraum von 30 Jahren gemessen wurden, betrug die mittlere annualisierte Rate der apoB-Veränderung 0,52 mg/dL/Jahr (SD 1,0), wobei die individuellen Raten von -6,26 bis +9,21 mg/dL/Jahr reichten [16Eine Einzelpunkt-Rückextrapolation aus einem Mittelwert im mittleren Lebensalter ist daher eine Annäherung mit einem großen Fehlerbereich, und jedes darauf aufbauende Instrument muss diese Unsicherheit verdeutlichen, anstatt sie hinter einer Punktschätzung zu verbergen.

3.3 Vorhersage speziell bei jungen Erwachsenen

In einer gepoolten Analyse von 10.519 Erwachsenen aus US-amerikanischen bevölkerungsbasierten Kohorten war ApoB bei Erwachsenen im Alter von 18 bis 39 Jahren stärker mit ASCVD assoziiert als bei Personen im Alter von 40 Jahren oder älter, und die Hinzufügung von ApoB zu dem PREVENT-Gleichungen verbessertes Risiko Umklassifizierung in der jüngeren Gruppe (kontinuierlicher NRI 0,67, 95%-KI 0,23–1,09 für das 10-Jahres-Risiko und 0,47, 95%-KI 0,02–0,84 für das 30-Jahres-Risiko), jedoch nicht in der älteren Gruppe [17Die Autoren waren entsprechend vorsichtig, dass diese Verbesserungen bescheiden waren. Dennoch ist das Richtungssignal konsistent: Je jünger der Patient, desto stärker unterschätzt die einzelne Messung das lebenslange Problem und desto stärker ist die Begründung für die Prüfung, ob eine kumulative Rahmung prädiktive Informationen hinzufügt.

4. Diskordanz: Das stärkste praktische Argument für apoB

4.1 Wie viel Diskrepanz eigentlich

Die Diskordanz ist die Situation, in der apoB und LDL-C einen Patienten in unterschiedliche Risikokategorien einteilen. Da die beiden bei den meisten Patienten stark korreliert sind, kann eine konventionelle Regression ihre prädiktiven Beiträge nicht sauber trennen; in einer großen Kohorte aus der klinischen Praxis waren apoB und die mittels NMR gemessene LDL-Partikelanzahl selbst hoch korreliert (R² = 0,79) [18]. Die Konkordanz-Analyse ist die methodische Antwort, und sie gibt es in drei Ausprägungen: Konkordanz nach klinischen Grenzwerten, nach Bevölkerungswertperzentilen und nach Regressionsresiduen [19].

Die Prävalenzschätzungen liegen alle in einem vertretbaren Bereich, und der vorläufige Wert von etwa 20% ist als Schätzung im oberen Mittelfeld für Risikogruppen angemessen, sollte jedoch eher als Spanne denn als Einzelwert angegeben werden.

Quelle	Bevölkerung und Definition	Diskrepanzschätzung
De Oliveira-Gomes et al., Circulation 2024 [13]	Überprüfung über Kohorten hinweg; diskordant hohes ApoB nach verschiedenen Definitionen	5,31 TP9T bis 24,91 TP9T, je nach Definition und Grundgesamtheit
CARDIA ApoB-Trajektorienanalyse, J Lipid Res 202216]	Höher oder niedriger als der Durchschnitts-ApoB für einen bestimmten Nicht-HDL-C	Etwa 8% bis 20%
CARDIA: Junge-Erwachsenen-Diskordanz vs. KHK [20]	ApoB im Durchschnittsalter von 25 Jahren ist aussagekräftiger für spätere Koronarkalkablagerungen (CAC) als LDL-C oder Nicht-HDL-C	18% junger Erwachsener
Health-Diagnostic-Laboratory-Kohorte, n = 412.013 [18]	ApoB im Vergleich zu NMR LDL-P nach klinischen Grenzwerten	5%–6% werden ausschließlich durch LDL-P markiert; 6%–7% ausschließlich durch ApoB
Kopenhagener Allgemeinbevölkerungsstudie, n = 95.108 [21]	Überschüssiges ApoB (gemessen minus LDL-C-vorhergesagt) ≥11 mg/dL	Abgestufte Schichten über das gesamte LDL-C-Spektrum

Tabelle 2. Berichten zufolge Prävalenz einer klinisch bedeutsamen apoB/LDL-C-Diskordanz. Die Streuung spiegelt eine echte methodische Heterogenität in der Definition der Diskordanz wider, nicht Uneinigkeit darüber, ob sie existiert.

4.2 Gewinnt apoB, wenn sie sich nicht einig sind?

A systematische Übersichtsarbeit veröffentlichter Diskrepanzanalysen fassten 15 Studien und 593.354 Teilnehmer zusammen, diverse Populationen, behandelt und unbehandelt, unter Verwendung medianbasierter, perzentilbasierter, residualbasierter und varianzbasierter Definitionen. ApoB war LDL-C in 9 von 9 Vergleichen überlegen. ApoB war non-HDL-C in 7 von 9 überlegen, war in 1 gleichwertig und unterlag in 1. Die Anzahl der LDL-Partikel war LDL-C in 2 von 3 überlegen [22Das ist etwa so einseitig, wie es die Präventivkardiologie hervorbringt.

Die Copenhagen General Population Study definierte Diskordanz als “überschüssiges ApoB” – gemessenes ApoB minus das aus LDL-C allein vorhergesagte ApoB, wobei die Vorhersage aus Personen mit Triglyceriden ≤1 mmol/L abgeleitet wurde. Unter 53.484 Frauen und 41.624 Männern, die keine Statine einnahmen und über einen Median von 9,6 Jahren nachbeobachtet wurden, bei denen 2.048 Myokardinfarkte und 4.282 ASCVD-Ereignisse auftraten, war überschüssiges ApoB über das gesamte LDL-C-Spektrum hinweg dosisabhängig mit dem Risiko assoziiert [21]. Die Hazard Ratios aus dieser Analyse sind in Tabelle 3 wiedergegeben, da sie der empirische Anker für die Diskussion der Diskrepanz in Abschnitt 8 sind.

Überschüssiges ApoB (mg/dL)	ASCVD-Risiko, Frauen	ASCVD-Risiko, Männer	Interpretation
<11 (Referenz)	1.00	1.00	übereinstimmend
11–25	1.08 (0.97–1.21)	1.14 (1.02–1.26)	Geringe Diskrepanz
26–45	1.30 (1.14–1.48)	1.41 (1.26–1.57)	Mäßige Diskrepanz
46–100	1.34 (1.14–1.58)	1.41 (1.25–1.60)	Deutliche Diskrepanz
>100	1.75 (1.08–2.83)	1.52 (1.13–2.05)	Schwere Diskrepanz

Tabelle 3. Multivariabel bereinigte ASCVD-Hazard-Ratios nach überschüssigem ApoB-Stratum, Kopenhagen Allgemeine Bevölkerungsschnitte (Copenhagen General Population Study) [21Die Ergebnisse waren über das gesamte LDL-C-Spektrum hinweg robust.

4.3 Der insulinresistente und diabetische Phänotyp

Diskordanz ist nicht zufällig verteilt. Sie konzentriert sich, vorhersagbar und mechanistisch, in einem metabolischen Phänotyp, der in zeitgenössischen Primärpräventionspopulationen häufig ist.

In Insulin Resistenz und Typ-2-Diabetes, hepatische VLDL-Überproduktion und gestörte Lipolyse erzeugen einen Triglycerid-reichen Pool. Cholesterinester Überweisung Protein wandelt Triglycerid in LDL um und HDL als Gegenleistung für Cholesterinester; Leberlipase hydrolysiert dann die Triglycerid-angereicherten LDL und liefert kleine, dichte, cholesterinarme LDL-Partikel. Das Ergebnis ist eine hohe Partikelanzahl, die eine normale oder sogar niedrige Cholesterinmasse transportiert. LDL-C wirkt beruhigend. ApoB tut das nicht [11], [12].

Verteilungsdaten machen das Ausmaß konkret. In einer national repräsentativen NHANES-Stichprobe von US-Erwachsenen ohne Statintherapie lag bei einem LDL-C von 100 mg/dL die ApoB-Konzentration der Hälfte der Bevölkerung zwischen 75 und 86 mg/dL (der Interquartilbereich), und ein LDL-C von 70 mg/dL entsprach einem medianen ApoB von etwa 60 mg/dL [23]. Eine stärkere positive Diskordanz – ein höherer gemessener als erwarteter ApoB-Wert – war mit einem höheren Alter, dem männlichen Geschlecht, Adipositas, Diabetes, höheren Triglyceriden, einem höheren HbA1c-Wert, der Einnahme von Statinen und einem schlechten Stoffwechselgesundheit. Bemerkenswerterweise überstieg die Variabilität innerhalb dieser Untergruppen die Unterschiede zwischen den Gruppen, was ein Argument dafür ist, ApoB zu messen, anstatt es vom Phänotyp abzuleiten.

Der Mechanismus reicht über die Partikelanzahl hinaus bis in die Kinetik der Retention. Insulinresistenz stimuliert die Synthese von Proteoglykanen mit hyperelongierten Glykosaminoglykanketten durch glatte Gefäßmuskelzellen, wodurch die Dichte der negativen Ladung in der intimalen Matrix und deren Avidität für apoB erhöht wird [8]. Die direkte Messung bestätigt eine verstärkte Retention: Das Verhältnis von ApoB in der interstitiellen Flüssigkeit zu dem im Serum ist bei Typ-2-Diabetes signifikant niedriger als bei Kontrollpersonen, was eher mit einem stärkeren subothelialen Einschließung als mit einer lymphatischen Clearance vereinbar ist [24Diese Ergebnisse stützen die Möglichkeit, dass Diabetes das Risiko sowohl durch eine größere Partikelbelastung pro Cholesterineinheit als auch durch Veränderungen der Arterienwand erhöht, die eine Retention begünstigen können, sobald die Partikel ankommen.

Ein diskordant hoher ApoB-Wert ist zudem unabhängig mit dem Vorliegen von assoziiert chronische Nierenerkrankung in Querschnittsdaten. Bei 13.767 NHANES-Teilnehmern wiesen diejenigen mit niedrigem LDL-C und hohem ApoB im Vergleich zur Gruppe mit entsprechend niedrigen Werten den stärksten Zusammenhang mit einer präsenten chronischen Nierenerkrankung (CKD) auf (OR 1,12, 95%-KI 1,08–1,16), zusammen mit den höchsten Nüchternwerten Glucose, Insulin und HOMA-IR Werte25].

4.4 Das stärkste Gegenargument, fair dargelegt

Die Leitlinie mehrerer Fachgesellschaften aus dem Jahr 2026 bringt einen methodischen Punkt vor, mit dem sich jeder Befürworter von ApoB direkt auseinandersetzen muss: Wenn LDL-C mit der Martin/Hopkins-Gleichung anstelle der Friedewald-Formel geschätzt wird, ist die gemessene Prävalenz von LDL-C/apoB-Diskordanz sinkt deutlich4Ein signifikanter Anteil der gemessenen historischen Diskrepanz war auf eine Schätzgleichung aus dem Jahr 1972 zurückzuführen, die ein festes Verhältnis von Triglyceriden zu VLDL-Cholesterin von 5:1 annimmt – eine Annahme, die gerade bei den hypertriglyceridämischen, insulinresistenten Patienten versagt, bei denen die Diskrepanz Berichten zufolge am größten war.

Dies entkräftet das Argument für ApoB nicht, relativiert es aber. Die ehrliche Position ist, dass ein Teil des historischen Diskordanzsignals eher die Methode zur Schätzung des LDL-C als die Partikelbiologie widerspiegelt, während ein Teil auf eine echte biologische Diskordanz zurückzuführen ist, und dass die verbleibende tatsächliche Diskordanz geringer ist, als die ältere Literatur vermuten lässt. Das Argument der direkten Messung bleibt intakt: ApoB erfordert keine Schätzgleichung, ist unabhängig vom Nüchternstatus und analytisch standardisiert. Ein zweites Gegenargument verdient dieselbe Offenheit – die ATTICA-Kohle zeigte, dass ein erhöhtes ApoB das 20-Jahres-ASCVD-Risiko unabhängig voraussagte, dies jedoch hauptsächlich bei gleichzeitig erhöhtem LDL-C, was die Behauptung dämpft, dass ApoB routinemäßig das Risiko erfasst, das LDL-C vollständig übersieht [26].

5. Von der Exposition bis zur Plaque

The link from cumulative exposure to anatomical disease rests on autopsy pathology, longitudinal imaging cohorts, and intervention trials.

Der PDAY (Pathobiological Determinants of Arteriosklerose in Youth) investigators established that atherosclerosis begins in childhood and that conventional risk-factor scores correlate with the earliest anatomically demonstrable Läsionen in people aged 15 to 34, not merely with advanced disease [27]. In the primary PDAY autopsy series of 1,079 men and 364 women aged 15 through 34 who died of external causes, the extent of intimal surface involved by Fettstreifen and raised lesions in the Aorta and right coronary artery rose with age, was positively associated with VLDL-plus-LDL cholesterol concentration, and was negatively associated with HDL cholesterol [28]. The Bogalusa Heart Study showed that the extent of aortic and coronary fatty streaks and fibrous plaques rose with the number of risk factors present, including LDL-related measures [29]. These are the observations that make a lifetime-exposure framing biologically well supported rather than merely elegant.

Longitudinal imaging bridges youth exposure to midlife anatomy. In CARDIA, PDAY risk scores measured in young adulthood predicted coronary and abdominal aortic calcium two decades later [30]. In the Cardiovascular Risk in Young Finns cohort, adolescent risk-factor exposure predicted coronary artery calcium in adulthood [31]. Neither study computed apoB-years, but both are consistent with cumulative burden as the operative variable.

ApoB-specific plaque associations exist. In MESA, over a median 9.4 years, top-quartile apoB was associated with carotid plaque progression after adjustment for LDL-C or for total and HDL cholesterol, though the association lost significance when all lipid covariates were included together (p = 0.086) — a signal, not an independent one [32]. In the Atherosclerosis and Insulin Resistance (AIR) study, a high apoB/apoA-I ratio was associated with a greater three-year progression rate of carotid intima-media thickness in clinically healthy 58-year-old men [33].

The gap that must be acknowledged There is no validated apoB-years threshold for: first detectable plaque, early Fibroatherom, positives Remodeling, onset of calcification, high-risk plaque morphology, or first myocardial infarction. Published tables assigning specific apoB-year or LDL-year values to these milestones circulate widely in secondary and online sources. Those figures do not trace to primary peer-reviewed derivations and should not be reproduced in a clinical instrument. The defensible position is that each individual has, in effect, a personal plaque threshold — cumulative exposure interacts with inherited arterial susceptibility, blood pressure, glycemia, Rauchen, renal function, inflammation, and Lp(a), so the exposure at which plaque appears varies substantially between individuals.

6. Plaque Burden Is the Substrate; Events Require a Trigger

Conflating plaque burden with event risk is a common conceptual error, and any proposed metric must keep the distinction explicit. Plaque accumulation is a graded, concentration-dependent process, though a heterogeneous and probabilistic one: two people with the same cumulative exposure may accumulate substantially different plaque depending on blood pressure, smoking, glycemia, Genetik, Lp(a), arterial geometry, inflammation, and local endothelial biology. Acute events are threshold-crossing phenomena requiring a vulnerable lesion, a mechanical or inflammatory trigger, and a thrombogenic milieu.

PROSPECT demonstrated that future events frequently arose from lesions that were angiographically mild at baseline — mean diameter stenosis around 32% — but which carried large plaque burden, small luminal area, or dünnkappiges Fibroatherom morphology on intravascular imaging [34]. PROSPECT II showed that lipid-rich plaques with large plaque burden independently predicted nonculprit-lesion events: patients harbouring at least one lesion with both a large plaque burden and a large lipid core had a four-year nonculprit-lesion-related MACE rate of 13.2%, while the corresponding lesion-level rate was 7.0% [35]. That distinction matters, and the figure cuts both ways: it is clinically meaningful, and it also means the great majority of high-risk lesions did not cause an event over four years.

On CT angiography, SCOT-HEART established Plaque mit niedriger Dämpfung burden as the strongest predictor of subsequent myocardial infarction, adding value beyond Kalkscore and obstructive Stenose [36]. In a later SCOT-HEART analysis, low-attenuation plaque burden above 4% carried a hazard ratio of 4.87 for fatal or nonfatal MI and pericoronary adipose tissue attenuation a hazard ratio of 2.45, with the two combined identifying the highest-risk group and raising the area under the curve from 0.71 for low-attenuation plaque alone to 0.75 for the combination [37]. Acute coronary syndromes arise variously from Plaque-Ruptur, plaque erosion, and calcified nodules; erosion in particular may occur with modest plaque burden and near-normal angiographic appearance, but still on an atherosclerotic substrate [38].

Two corrections to how this is often summarized are worth making. First, the relation is best stated as a heuristic rather than a model: plaque burden defines the anatomical substrate and strongly constrains event probability, while lesion phenotype, local biomechanical stress, systemic inflammation, and thrombogenicity influence whether and when an acute event occurs. Writing it as a product of three terms is a useful diagram, not an established quantitative relationship, and it should not be presented as one.

Second, emphasizing vulnerability can understate how powerfully total plaque burden itself predicts events. Modern imaging data place total burden among the strongest available predictors, and the reason is straightforward arithmetic: the more plaque a person carries, the more lesions exist that could rupture or erode, the greater the probability that at least one has adverse morphology, the larger the inflamed and thrombogenic arterial surface, and the higher the likelihood of obstructive progression. The chain is best written as cumulative apoB exposure → plaque burden and plaque phenotype → number and phenotype of lesions → probability of an event. This chain is a causal framework rather than a validated quantitative mediation model. Cumulative exposure relates strongly to lifetime event risk; it is far less able to say which plaque will produce an event next year.

7. Regression: Can Cumulative Exposure Be Repaid?

The clinical appeal of an exposure metric depends partly on whether reducing forward accrual does anything to existing disease. The intravascular imaging trials answer this affirmatively, with an important correction to a claim that appears frequently in secondary sources.

GLAGOV randomized 968 patients with symptomatic coronary disease to Evolocumab oder Placebo on background statin therapy. Mean achieved LDL-C in the evolocumab arm was 36.6 mg/dL, and Atheromvolumen in Prozent changed by −0.95% versus no significant change on statin plus placebo [39]. That −0.95% is a treatment-group mean, with substantial individual heterogeneity; it does not mean every participant regressed. PACMAN-AMI added Alirocumab zu high-intensity statin after acute myocardial infarction and, using serial IVUS, NIRS, and OCT, found “triple regression” — simultaneous reduction in percent atheroma volume, reduction in maximum lipid core burden index, and increase in minimum faserige Kappe thickness — in 40.8% of the alirocumab arm versus 23.0% of placebo (p = 0.002), with the triple-regression group achieving a mean LDL-C of 38.4 mg/dL versus 55.7 mg/dL [40].

Correction to a widely repeated claim A figure of 70 mg/dL is often cited as the achieved LDL-C “threshold” below which coronary Plaquerückbildung becomes pronounced. The primary data do not support a threshold. Post hoc analysis of GLAGOV showed coronary plaque regression in direct proportion to achieved LDL-C, with no evident change in slope down to approximately 20 mg/dL; related analyses of intensive PCSK9 inhibition, including HUYGENS in acute coronary syndromes, are consistent with continued plaque benefit at very low achieved LDL-C [39], [41]. The correct statement is narrower: within the achieved LDL-C range studied, these analyses did not identify a clear lower threshold or change in slope for plaque regression. That is what was observed; it is not proof that benefit remains perfectly linear indefinitely, or that every patient benefits equally at the lowest achieved levels.

At the trial level, regression appears to track outcomes. A systematic review and meta-regression of 17 prospective dyslipidemia-therapy studies (6,333 patients) reported that a 1% decrease in mean percent atheroma volume was associated with a 20% lower MACE risk (adjusted OR 0.82, 95% CI 0.70–0.95, p = 0.011) [42]. That association is between trial-level means. It does not license the inference that lowering an individual patient’s atheroma volume by 1% reduces that patient’s event risk by 20% — that would be an ecological-to-individual extrapolation. Whether apoB-years trajectory change correlates with serial plaque-volume change, and whether that change mediates clinical benefit, remains an open question for the validation program in Section 11.

Two caveats bound the optimism. Regression of Plaquevolumen is modest in absolute terms and demonstrated over one to two years in patients with established disease; it is not extrapolable to the Umkehrung of decades of accumulated burden. And the genetic evidence establishes an asymmetry that no regression trial can overcome: lifelong genetically determined lower LDL-C confers a risk reduction several-fold larger than the same magnitude of reduction achieved by midlife pharmacotherapy over five years [43]; Mendelian-randomization evidence supports the same lifetime-exposure logic for apoB specifically [44]. Exposure prevented is worth more than exposure treated. That asymmetry is the entire argument for measuring cumulative exposure early rather than reacting to a threshold crossing late.

8. Cumulative apoB Exposure as a Descriptive Metric — and the Barriers to Individual Risk

This section defines what can be computed from a person’s apoB history, and states with equal precision what cannot yet be computed from it. The distinction is the crux of the paper: a descriptive exposure quantity is defensible; an individual risk score derived from it is not.

8.1 The descriptive quantity

ABY = ∫ apoB(t) dt   over a defined age window   (mg/dL·years)

Cumulative apoB exposure is a legitimate descriptive quantity: the area under an individual’s apoB-versus-age curve over a stated window. It should be computed from measured serial apoB wherever possible, reported for the age window over which it was actually measured, and accompanied by the proportion of the integral that rests on measurement rather than imputation. Exposure derived from imputed apoB should be reported separately and never blended into a single headline figure, because the imputation assumes population-median particle-to-cholesterol behaviour — precisely the assumption that fails in the discordant patients the metric is meant to identify.

A comparison against the CARDIA-derived reference of roughly 75 mg/dL is interpretable within ages 18 to 40, the window in which that spline-derived reference point was observed. Beyond age 40 the reference has no anchoring: nothing establishes that 75 mg/dL is the appropriate comparator at 55, 70, or 85, that a person slightly above it has meaningfully accrued exposure debt, that 75 represents a biological zero-risk value, or that the relationship holds constant after age 40. The source describes this level as one that may represent a goal for young adults — materially weaker than a lifetime denominator.

8.2 Why the exposure cannot be turned into a risk multiplier

The natural temptation is to take a published cumulative-exposure hazard ratio — such as Domanski’s 1.053 per 100 mg/dL·years of cumulative LDL-C exposure — and exponentiate it across an individual’s lifetime to produce a personal risk multiplier. That step is invalid, for several independent reasons, any one of which is sufficient.

• A Cox hazard ratio is defined relative to a modelled comparison and the study’s baseline hazard. Exponentiating it from zero lifetime exposure implies a comparator — a person who accrued no atherogenic particle exposure at all — that does not physiologically exist, and it ignores the model intercept, covariate distribution, competing risks, and cohort calibration.
• Even anchored to a non-zero reference rather than to zero, the result is a cohort-relative association under the original model’s assumptions, not a patient-level multiplier, and it cannot be attached to a validated instrument such as PREVENT.
• The coefficient was estimated over exposure accrued from ages 18 to 40 predicting events from 40 to 66. Applied to exposure accrued across a whole lifetime, it is used outside the conditions of its derivation.
• Producing the multiplier would require translating apoB-years into LDL-years using a population-level relationship — the very relationship this paper argues fails in the individuals the metric exists to identify.

No event-risk multiplier should be produced from cumulative apoB exposure until one is derived directly, in a cohort with serial apoB, and externally validated.

8.3 Why a single measurement cannot be back-cast to age 18

Most patients present without adolescent lipid data, which invites reconstructing the early trajectory from a later value using a population-average annual apoB slope. This does not work at the individual level.

• A population mean is not an individual trajectory. Applied backwards across decades, it produces regression-to-the-mean error in anyone whose apoB moved for a specific reason — weight change, diabetes onset, menopause, therapy initiation or discontinuation, thyroid or renal disease.
• The standard deviation of observed across-person slopes is not the standard error of a person-specific back-cast. Multiplying an across-person SD across decades yields a wide interval, but not a properly estimated prediction interval.

The CARDIA apoB trajectory analysis reached this conclusion directly: the substantial variance in apoB over time, and the modest association between baseline measures and rates of change, mean that predicting an individual’s future apoB concentration — and therefore their cumulative exposure — from a one-time assessment has low accuracy [16]. Where early measurements are absent, the appropriate output is a set of clearly labelled sensitivity scenarios — a stable lifelong level, a gradual age-related rise, a late metabolic deterioration — presented side by side as sensitivity analyses rather than as competing estimates of the person’s actual history. A single reconstructed central estimate should not be produced.

8.4 Why discordance hazard ratios cannot simply be borrowed or combined

The Copenhagen excess-apoB hazard ratios (Section 4.2) are a real and useful signal, but two constraints govern their use. First, they are defined relative to a specific residual: Copenhagen derived expected apoB by regressing apoB on LDL-C, separately in women and men, among participants with triglycerides at or below 1 mmol/L (89 mg/dL). The category cut-points and their hazard ratios are defined against that residual, so substituting a different expected-apoB equation would change who falls into each category, and the hazard ratios would no longer describe the patients being classified. Any use of the Copenhagen categories must reproduce its actual sex-specific regressions, not an approximation of them.

Second, the Copenhagen hazard ratios must not be multiplied by the Domanski cumulative-exposure hazard ratio to build a composite. The two exposures overlap biologically and statistically; multiplying them assumes independence and double-counts the same particle-related risk. A joint estimate would require both variables entered in a single model, with collinearity and interaction assessed, cohort-specific calibration, and external validation — not a product of two hazard ratios drawn from different cohorts.

8.5 Why plaque change cannot be converted into individual event reduction

The trial-level association between mean plaque regression and mean event reduction (Section 7) is ecological. It relates group averages across trials. It does not establish that lowering a particular patient’s atheroma volume by one percentage point reduces that patient’s event risk by any fixed amount, it does not transfer outside the studied populations and treatments, and it assumes plaque-volume change captures the whole treatment effect. Translating it into an individual event projection is an ecological-to-individual error. Whether apoB-years trajectory change correlates with serial plaque-volume change, and whether that change mediates clinical benefit, is a question for the validation program in Section 11, not a calculation to perform today.

8.6 What a research index may and may not contain

A limited research index of the form above — cumulative measured apoB exposure over a defined window, reported with its measured-versus-imputed share and, within ages 18 to 40, a ratio against the CARDIA reference — is a reasonable object to define and then test. What it must not contain, until each is separately derived and validated, is an event-risk multiplier, a composite of overlapping hazard ratios, a back-cast central estimate, a projected plaque or event trajectory, or clinical risk categories carrying recommended actions. Candidate exposure bands may be prespecified for the purpose of testing them, but a research analysis plan is better served by predefining quantiles or continuous spline terms than by inventing labelled categories that will be read as validated risk tiers regardless of any disclaimer attached.

9. Validation Status: What This Is Not

This section states plainly what the descriptive measure is not, so that no reader mistakes it for a validated risk instrument.

• Neither apoB-years nor LDL-years is a validated clinical metric. No guideline reviewed in Section 10 operationalizes or endorses a cumulative-exposure calculation for routine care.
• Any candidate exposure bands are constructed by reasoning outward from a single cohort reference point observed over ages 18 to 40. They have never been tested against outcomes, and this paper attaches no clinical action to them.
• Back-casting a person’s early exposure carries uncertainty that in many patients would exceed the width of any candidate band. This is the single largest technical barrier to a retrospective cumulative-exposure measure, and it is not solvable with better statistics — it requires lipid data that most adults do not have.
• Any apoB-to-LDL-C conversion assumes population-median behaviour in an individual — precisely the assumption that fails in the discordant patients the metric exists to identify. Imputed exposure must therefore be reported separately from measured exposure rather than blended with it.
• Cumulative exposure computed by trapezoidal integration from sparse clinical panels is not the quantity the published hazard ratios describe. Those were derived from spline-based mixed models that borrowed information across an entire cohort. The two have never been compared.
• Cumulative exposure is biologically and epidemiologically linked to anatomical disease burden, but its ability to predict an individual’s plaque trajectory has not been directly validated, and it is particularly limited for predicting the timing of clinical events. The measure proposed here should not substitute for imaging where imaging is independently clinically indicated for anatomical risk assessment.

The appropriate positioning is therefore a descriptive research measure that makes visible a variable clinicians already believe matters, considered alongside — never instead of — the validated instruments (the PREVENT equations, guideline lipid goals, and coronary artery calcium or CT angiography where independently indicated). It should not carry a risk estimate, a category label, or a recommended action until each has been derived and externally validated.

10. Guideline Trajectory

Guideline movement supports the cumulative-exposure concept. It does not validate apoB-years arithmetic, historical back-casting, exposure ratios, or exposure-based treatment thresholds, and the distinction should be kept sharp.

The 2026 ACC/AHA/multisociety dyslipidemia guideline retires and replaces the 2018 cholesterol guideline and is retitled to reflect atherogenic lipoproteins beyond LDL-C, including triglyceride-rich remnants and Lp(a) [4]. It replaces the Pooled Cohort Equations with the PREVENT-ASCVD equations, which estimate both 10-year and 30-year risk — an explicitly lifetime-oriented framing. It restores absolute LDL-C goals by risk stratum (<100, <70, and <55 mg/dL). It recommends Lp(a) measurement at least once in every adult’s lifetime. It endorses selective apoB measurement to assess residual atherogenic particle burden, particularly in patients with triglycerides above 200 mg/dL, diabetes, or achieved LDL-C below 70 mg/dL. And its central framing — earlier intervention to reduce prolonged exposure — is the cumulative-exposure argument in all but name [5], [45].

The 2024 National Lipid Association expert consensus went further on apoB specifically, proposing apoB thresholds of 60, 70, and 90 mg/dL for very-high-, high-, and borderline-to-intermediate-risk patients respectively, and stating that apoB and non-HDL-C stratify risk more accurately than LDL-C where the measures disagree [46]. The 2019 ESC/EAS guidelines give apoB a Class I, Level C recommendation for risk assessment, preferentially in Metabolisches Syndrom, diabetes, obesity, and very low achieved LDL-C, and permit its use as the primary measurement for screening, diagnosis, and management [47]. The Canadian Cardiovascular Society similarly recommends apoB or non-HDL-C as preferred screening markers in hypertriglyceridemia [48].

None of the societies or guidelines reviewed here operationalizes a cumulative-exposure calculation. The biology is increasingly accepted; the arithmetic has not been derived, calibrated, or validated. That gap is what the research program in Section 11 is meant to close, and it is not closed by proposing a formula.

11. A Validation Program

The following would move apoB-years from concept to instrument, in ascending order of cost.

Tier 1 — Retrospective derivation in existing cohorts

Candidate cohorts include CARDIA, MESA, Framingham Offspring, the Copenhagen General Population Study, and UK Biobank. Suitability would depend on the availability, timing, assay method, and density of serial apoB measurements and stored specimens, which differ substantially between them and must be established from each cohort’s own data documentation before that cohort is committed to this analysis. Where that condition is met, compute cumulative exposure using measured serial apoB only, by the same spline-based mixed-model approach used in the source analyses, and separately by trapezoidal integration from a deliberately thinned subset of visits that mimics real clinical density. Comparing those two is itself a necessary study: it establishes whether a clinically computable approximation recovers the quantity the published hazard ratios describe. Then test discrimination and calibration for incident ASCVD against the current-value model, quantifying incremental C-statistic, net reclassification, and integrated discrimination over PREVENT. The null hypothesis to be defeated is that cumulative exposure adds nothing beyond current apoB plus age.

Tier 2 — Back-cast validation

Within cohorts holding true adolescent measurements, compare back-cast estimates against measured values to derive empirical error bands by age gap and by covariate profile. This is the study that determines whether a retrospective exposure estimate is viable at all in patients presenting after age 45, and it may be feasible in existing cohorts holding sufficiently dense adolescent and adult measurements.

Tier 3 — Anatomical anchoring

In cohorts with repeat quantitative coronary CTA — the PARADIGM registry, a prospective multinational registry of patients undergoing serial CCTA, is the clearest established example [49], and any further cohort, including SCAPIS or MESA, would first have to be shown to hold repeat quantitative CCTA suitable for measuring plaque-volume change — regress plaque volume and low-attenuation plaque volume on ABY to establish whether the milestone thresholds that currently circulate without provenance have any empirical basis. This is where the vacant cells of every published apoB-years milestone table would finally be filled with real numbers.

Tier 4 — Prospective and interventional

Prospective registry deployment measuring whether reporting cumulative apoB exposure changes physician prescribing, patient Einhaltung, and downstream lipid trajectory; ultimately, a randomized comparison of exposure-guided versus guideline-goal-guided management with imaging or event endpoints. Only the last of these can establish that the metric improves outcomes rather than merely predicting them.

12. Conclusion

The case for cumulative apoB exposure rests on four claims of sharply differing strength. That plaque accumulation is strongly related to both the magnitude and the duration of exposure to apoB-haltige Partikel — integration over time being a biologically motivated approximation of that cumulative exposure — is well supported by mechanism and consistent with the available human data. That cumulative exposure predicts ASCVD independent of contemporaneous lipid values is demonstrated in multiple cohorts for LDL-C and in one important CARDIA analysis for apoB. That risk tracks apoB more closely than LDL-C where the two disagree — in a fraction of adults that varies from roughly 5% to 25% by definition, treatment status, and LDL-C estimation method, concentrating in the insulin-resistant and diabetic phenotype — is supported consistently across the available discordance analyses. That a specific cumulative-exposure number should guide a specific clinical decision is not established at all, and the distance between the third claim and the fourth is larger than enthusiasm for the concept tends to suggest.

The productive path is to treat cumulative apoB exposure as a candidate metric requiring derivation, calibration, and external validation, and to resist the temptation to publish coefficients before they exist. A disclaimer does not make an invalid calculation valid. At the same time, the status quo is not neutral: current practice necessarily relies primarily on contemporaneous measurements despite the chronic, cumulative nature of atherosclerosis, and does so in a population increasingly composed of patients whose LDL-C understates their particle burden — a limitation with a known direction. Both statements are true, and the second does not license shortcuts on the first.

Referenzen

1. Domanski MJ, Tian X, Wu CO, et al. Time Course of LDL Cholesterol Exposure and Cardiovascular Disease Event Risk. J Am Coll Cardiol. 2020;76(13):1507-1516. doi:10.1016/j.jacc.2020.07.059
2. Shapiro MD, Bhatt DL. “Cholesterol-Years” for ASCVD Risk Prediction and Treatment. J Am Coll Cardiol. 2020;76(13):1517-1520. doi:10.1016/j.jacc.2020.08.004
3. Zheutlin AR, Handoo F, Luebbe S, et al. Cumulative exposure to atherogenic lipoprotein particles in young adults and subsequent incident atherosclerotic cardiovascular disease. Eur Heart J. 2025;46(41):4302-4312. doi:10.1093/eurheartj/ehaf472
4. Writing Committee Members, Blumenthal RS, Morris PB, et al. 2026 ACC/AHA/AACVPR/ABC/ACPM/ADA/AGS/APhA/ASPC/NLA/PCNA Guideline on the Management of Dyslipidemia: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. Circulation. 2026;153(17):e1154-e1276. doi:10.1161/CIR.0000000000001423
5. Lower sooner: how the 2026 dyslipidemia guideline changes practice. Cardiology Magazine. American College of Cardiology; July 2026. Accessed August 10, 2026.
6. Grundy SM, Stone NJ, Bailey AL, et al. 2018 AHA/ACC/AACVPR/AAPA/ABC/ACPM/ADA/AGS/APhA/ASPC/NLA/PCNA Guideline on the Management of Blood Cholesterol: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. Circulation. 2019;139(25):e1082-e1143. doi:10.1161/CIR.0000000000000625
7. Williams KJ, Tabas I. The response-to-retention hypothesis of early atherogenesis. Arterioscler Thromb Vasc Biol. 1995;15(5):551-561. doi:10.1161/01.atv.15.5.551
8. Tabas I, Williams KJ, Borén J. Subendothelial lipoprotein retention as the initiating process in atherosclerosis: update and therapeutic implications. Circulation. 2007;116(16):1832-1844. doi:10.1161/CIRCULATIONAHA.106.676890
9. Williams KJ, Tabas I. The response-to-retention hypothesis of atherogenesis reinforced. Curr Opin Lipidol. 1998;9(5):471-474. doi:10.1097/00041433-199810000-00012
10. Kumarapperuma H, Chia ZJ, Malapitan SM, Wight TN, Little PJ, Kamato D. Response to retention hypothesis as a source of targets for arterial wall-directed therapies to prevent atherosclerosis: A critical review. Atherosclerosis. 2024;397:118552. doi:10.1016/j.atherosclerosis.2024.118552
11. Sniderman AD, Thanassoulis G, Glavinovic T, et al. Apolipoprotein B Particles and Cardiovascular Disease: A Narrative Review. JAMA Cardiol. 2019;4(12):1287-1295. doi:10.1001/jamacardio.2019.3780
12. Rosenson RS, Hegele RA, Gotto AM Jr. Integrated Measure for Atherogenic Lipoproteins in the Modern Era: Risk Assessment Based on Apolipoprotein B. J Am Coll Cardiol. 2016;67(2):202-204. doi:10.1016/j.jacc.2015.10.059
13. De Oliveira-Gomes D, Joshi PH, Peterson ED, Rohatgi A, Khera A, Navar AM. Apolipoprotein B: Bridging the Gap Between Evidence and Clinical Practice. Circulation. 2024;150(1):62-79. doi:10.1161/CIRCULATIONAHA.124.068885
14. Zhang Y, Pletcher MJ, Vittinghoff E, et al. Association Between Cumulative Low-Density Lipoprotein Cholesterol Exposure During Young Adulthood and Middle Age and Risk of Cardiovascular Events. JAMA Cardiol. 2021;6(12):1406-1413. doi:10.1001/jamacardio.2021.3508
15. Navar-Boggan AM, Peterson ED, D’Agostino RB Sr, Neely B, Sniderman AD, Pencina MJ. Hyperlipidemia in early adulthood increases long-term risk of coronary heart disease. Circulation. 2015;131(5):451-458. doi:10.1161/CIRCULATIONAHA.114.012477
16. Wilkins JT, Ning H, Sniderman A, et al. Analysis of apoB Concentrations Across Early Adulthood and Predictors for Rates of Change Using CARDIA Study Data. J Lipid Res. 2022;63(12):100299. doi:10.1016/j.jlr.2022.100299
17. Tang R, An J, Bellows BK, et al. Traditional and Emerging Lipid Markers for Cardiovascular Risk Assessment in Young vs Older Adults. JAMA Netw Open. 2026;9(4):e265199. doi:10.1001/jamanetworkopen.2026.5199
18. Varvel SA, Dayspring TD, Edmonds Y, et al. Discordance between apolipoprotein B and low-density lipoprotein particle number is associated with insulin resistance in clinical practice. J Clin Lipidol. 2015;9(2):247-255. doi:10.1016/j.jacl.2014.11.005
19. Johannesen CDL, Mortensen MB, Nordestgaard BG, Langsted A. Discordance analyses comparing LDL cholesterol, Non-HDL cholesterol, and apolipoprotein B for cardiovascular risk estimation. Atherosclerosis. 2025;403:119139. doi:10.1016/j.atherosclerosis.2025.119139
20. Wilkins JT, Li RC, Sniderman A, Chan C, Lloyd-Jones DM. Discordance Between Apolipoprotein B and LDL-Cholesterol in Young Adults Predicts Coronary Artery Calcification: The CARDIA Study. J Am Coll Cardiol. 2016;67(2):193-201. doi:10.1016/j.jacc.2015.10.055
21. Johannesen CDL, Langsted A, Nordestgaard BG, Mortensen MB. Excess Apolipoprotein B and Cardiovascular Risk in Women and Men. J Am Coll Cardiol. 2024;83(23):2262-2273. doi:10.1016/j.jacc.2024.03.423
22. Sehayek D, Cole J, Björnson E, et al. ApoB, LDL-C, and non-HDL-C as markers of cardiovascular risk. J Clin Lipidol. 2025;19(4):844-859. doi:10.1016/j.jacl.2025.05.024
23. Sayed A, Peterson ED, Virani SS, Sniderman AD, Navar AM. Individual Variation in the Distribution of Apolipoprotein B Levels Across the Spectrum of LDL-C or Non-HDL-C Levels. JAMA Cardiol. 2024;9(8):741-747. doi:10.1001/jamacardio.2024.1310
24. Björklund P, Härdfeldt J, Äikäs L, et al. Increased transvascular retention of atherogenic lipoproteins in type 2 diabetes relates to their enhanced proteoglycan binding. JCI Insight. 2026;11(10):e177849. doi:10.1172/jci.insight.177849
25. Mazidi M, Webb RJ, Lip GYH, Kengne AP, Banach M, Davies IG. Discordance between LDL-C and Apolipoprotein B Levels and Its Association with Renal Dysfunction: Insights from a Population-Based Study. J Clin Med. 2022;11(2):313. doi:10.3390/jcm11020313
26. Giannakopoulou SP, Antonopoulou S, Barkas F, et al. Concordance-discordance between apolipoprotein B and lipid biomarkers in predicting 20-year atherosclerotic cardiovascular disease risk: The ATTICA study (2002-2022). Eur J Clin Invest. 2025;55(10):e70077. doi:10.1111/eci.70077
27. McGill HC Jr, McMahan CA, Herderick EE, Malcom GT, Tracy RE, Strong JP. Origin of atherosclerosis in childhood and adolescence. Am J Clin Nutr. 2000;72(5 Suppl):1307S-1315S. doi:10.1093/ajcn/72.5.1307s
28. McGill HC Jr, McMahan CA, Malcom GT, Oalmann MC, Strong JP. Effects of serum lipoproteins and smoking on atherosclerosis in young men and women. The PDAY Research Group. Pathobiological Determinants of Atherosclerosis in Youth. Arterioscler Thromb Vasc Biol. 1997;17(1):95-106. doi:10.1161/01.atv.17.1.95
29. Berenson GS, Srinivasan SR, Bao W, Newman WP 3rd, Tracy RE, Wattigney WA. Association between multiple cardiovascular risk factors and atherosclerosis in children and young adults. The Bogalusa Heart Study. N Engl J Med. 1998;338(23):1650-1656. doi:10.1056/NEJM199806043382302
30. Gidding SS, McMahan CA, McGill HC, et al. Prediction of coronary artery calcium in young adults using the Pathobiological Determinants of Atherosclerosis in Youth (PDAY) risk score: the CARDIA study. Arch Intern Med. 2006;166(21):2341-2347. doi:10.1001/archinte.166.21.2341
31. Hartiala O, Magnussen CG, Kajander S, et al. Adolescence risk factors are predictive of coronary artery calcification at middle age: the cardiovascular risk in young Finns study. J Am Coll Cardiol. 2012;60(15):1364-1370. doi:10.1016/j.jacc.2012.05.045
32. Steffen BT, Guan W, Remaley AT, et al. Apolipoprotein B is associated with carotid atherosclerosis progression independent of individual cholesterol measures in a 9-year prospective study of Multi-Ethnic Study of Atherosclerosis participants. J Clin Lipidol. 2017;11(5):1181-1191.e1. doi:10.1016/j.jacl.2017.07.001
33. Wallenfeldt K, Bokemark L, Wikstrand J, Hulthe J, Fagerberg B. Apolipoprotein B/apolipoprotein A-I in relation to the metabolic syndrome and change in carotid artery intima-media thickness during 3 years in middle-aged men. Stroke. 2004;35(10):2248-2252. doi:10.1161/01.STR.0000140629.65145.3c
34. Stone GW, Maehara A, Lansky AJ, et al. A prospective natural-history study of coronary atherosclerosis. N Engl J Med. 2011;364(3):226-235. doi:10.1056/NEJMoa1002358
35. Erlinge D, Maehara A, Ben-Yehuda O, et al. Identification of vulnerable plaques and patients by intracoronary near-infrared spectroscopy and ultrasound (PROSPECT II): a prospective natural history study. Lancet. 2021;397(10278):985-995. doi:10.1016/S0140-6736(21)00249-X
36. Williams MC, Kwiecinski J, Doris M, et al. Low-Attenuation Noncalcified Plaque on Coronary Computed Tomography Angiography Predicts Myocardial Infarction: Results From the Multicenter SCOT-HEART Trial (Scottish Computed Tomography of the HEART). Circulation. 2020;141(18):1452-1462. doi:10.1161/CIRCULATIONAHA.119.044720
37. Tzolos E, Williams MC, McElhinney P, et al. Pericoronary Adipose Tissue Attenuation, Low-Attenuation Plaque Burden, and 5-Year Risk of Myocardial Infarction. JACC Cardiovasc Imaging. 2022;15(6):1078-1088. doi:10.1016/j.jcmg.2022.02.004
38. Jia H, Abtahian F, Aguirre AD, et al. In vivo diagnosis of plaque erosion and calcified nodule in patients with acute coronary syndrome by intravascular optical coherence tomography. J Am Coll Cardiol. 2013;62(19):1748-1758. doi:10.1016/j.jacc.2013.05.071
39. Nicholls SJ, Puri R, Anderson T, et al. Effect of Evolocumab on Progression of Coronary Disease in Statin-Treated Patients: The GLAGOV Randomized Clinical Trial. JAMA. 2016;316(22):2373-2384. doi:10.1001/jama.2016.16951
40. Biccirè FG, Häner J, Losdat S, et al. Concomitant Coronary Atheroma Regression and Stabilization in Response to Lipid-Lowering Therapy. J Am Coll Cardiol. 2023;82(18):1737-1747. doi:10.1016/j.jacc.2023.08.019
41. Nicholls SJ, Kataoka Y, Nissen SE, et al. Coronary Atheroma Regression With Evolocumab in Stable and Unstable Coronary Syndromes. JACC Cardiovasc Imaging. 2023;16(1):130-132. doi:10.1016/j.jcmg.2022.07.020
42. Iatan I, Guan M, Humphries KH, Yeoh E, Mancini GBJ. Atherosclerotic Coronary Plaque Regression and Risk of Adverse Cardiovascular Events: A Systematic Review and Updated Meta-Regression Analysis. JAMA Cardiol. 2023;8(10):937-945. doi:10.1001/jamacardio.2023.2731
43. Ference BA, Ginsberg HN, Graham I, et al. Low-density lipoproteins cause atherosclerotic cardiovascular disease. 1. Evidence from genetic, epidemiologic, and clinical studies. A consensus statement from the European Atherosclerosis Society Consensus Panel. Eur Heart J. 2017;38(32):2459-2472. doi:10.1093/eurheartj/ehx144
44. Richardson TG, Wang Q, Sanderson E, et al. Effects of apolipoprotein B on lifespan and risks of major diseases including type 2 diabetes: a mendelian randomisation analysis using outcomes in first-degree relatives. Lancet Healthy Longev. 2021;2(6):e317-e326. doi:10.1016/S2666-7568(21)00086-6
45. Wiggins BS, Barac A, Benziger CP, et al. 2026 Dyslipidemia Guideline-at-a-Glance. J Am Coll Cardiol. 2026;87(19):2617-2623. doi:10.1016/j.jacc.2026.02.4872
46. Soffer DE, Marston NA, Maki KC, et al. Role of apolipoprotein B in the clinical management of cardiovascular risk in adults: An Expert Clinical Consensus from the National Lipid Association. J Clin Lipidol. 2024;18(5):e647-e663. doi:10.1016/j.jacl.2024.08.013
47. Mach F, Baigent C, Catapano AL, et al. 2019 ESC/EAS Guidelines for the management of dyslipidaemias: lipid modification to reduce cardiovascular risk. Eur Heart J. 2020;41(1):111-188. doi:10.1093/eurheartj/ehz455
48. Pearson GJ, Thanassoulis G, Anderson TJ, et al. 2021 Canadian Cardiovascular Society Guidelines for the Management of Dyslipidemia for the Prevention of Cardiovascular Disease in Adults. Can J Cardiol. 2021;37(8):1129-1150. doi:10.1016/j.cjca.2021.03.016
49. Lee SE, Chang HJ, Rizvi A, et al. Rationale and design of the Progression of AtheRosclerotic PlAque DetermIned by Computed TomoGraphic Angiography IMaging (PARADIGM) registry: a comprehensive exploration of plaque progression and its impact on clinical outcomes from a multicenter serial coronary computed tomographic angiography study. Am Heart J. 2016;182:72-79. doi:10.1016/j.ahj.2016.09.003
50. Soto-Mota A, Norwitz NG, Manubolu VS, et al. Plaque begets plaque, ApoB does not: longitudinal data from the KETO-CTA trial. JACC Adv. 2025;4(7):101686. doi:10.1016/j.jacadv.2025.101686. [Retracted]
51. Expression of Concern: “Plaque Begets Plaque. ApoB Does Not: Longitudinal Data from The KETO-CTA Trial” [JACC: Advances, Volume 4, Issue 7, July 2025, Article 101686]. JACC Adv. 2026;5(3):102607. doi:10.1016/j.jacadv.2026.102607
52. Kaplan H, Thompson RC, Trumble BC, et al. Coronary atherosclerosis in indigenous South American Tsimane: a cross-sectional cohort study. Lancet. 2017;389(10080):1730-1739. doi:10.1016/S0140-6736(17)30752-3

Disclosure and status. This is a Narrativer Review and research framework. It defines cumulative apoB exposure as a descriptive measure and argues explicitly that it is not yet a validated individual risk metric; it recommends no cumulative-exposure threshold and provides no individual risk score. Reference [23] uses the online-published version of the cited JAMA Cardiology article; page numbers follow the print issue. Clinical decisions should follow current guideline recommendations.