Which biomarkers are predictive specifically for cardiovascular or for non-cardiovascular mortality in men? Evidence from the Caerphilly Prospective Study (CaPS)
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».