Which biomarkers are predictive specifically for cardiovascular or for non-cardiovascular mortality in men? Evidence from the Caerphilly Prospective Study (CaPS)
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
OBJECTIVE: To examine a panel of 28 biomarkers for prediction of cardiovascular disease (CVD) and non-CVD mortality in a population-based cohort of men. METHODS: Starting in 1979, middle-aged men in Caerphilly underwent detailed medical examination. Subsequently 2171 men were re-examined during 1989-1993, and fasting blood samples obtained from 1911 men (88%). Fibrinogen, viscosity and white cell count (WCC), routine biochemistry tests and lipids were analysed using fresh samples. Stored aliquots were later analysed for novel biomarkers. Statistical analysis of CVD and non-CVD mortality follow-up used competing risk Cox regression models with biomarkers in thirds tested at the 1% significance level after covariate adjustment. RESULTS: During an average of 15.4 years follow-up, troponin (subhazard ratio per third 1.71, 95% CI 1.46-1.99) and B-natriuretic peptide (BNP) (subhazard ratio per third 1.54, 95% CI 1.34-1.78) showed strong trends with CVD death but not with non-CVD death. WCC and fibrinogen showed similar weaker findings. Plasma viscosity, growth differentiation factor 15 (GDF-15) and interleukin-6 (IL-6) were associated positively with both CVD death and non-CVD death while total cholesterol was associated positively with CVD death but negatively with non-CVD death. C-reactive protein (C-RP), alkaline phosphatase, gamma-glutamyltransferase (GGT), retinol binding protein 4 (RBP-4) and vitamin B6 were significantly associated only with non-CVD death, the last two negatively. Troponin, BNP and IL-6 showed evidence of diminishing associations with CVD mortality through follow-up. CONCLUSION: Biomarkers for cardiac necrosis were strong, specific predictors of CVD mortality while many inflammatory markers were equally predictive of non-CVD mortality.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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