Effect of Hemodialysis, Coronary Artery Disease and Diabetes on Cardiac Troponin T: A Prospective Survey Over One Year
Notice bibliographique
Résumé
BACKGROUND: Limited data is available about the effects of hemodialysis sessions, coronary artery disease (CAD), and diabetes on serum cardiac troponin T (cTnT) levels in patients with end-stage renal disease (ESRD). OBJECTIVES: To test whether hemodialysis could be associated with an increase in cTnT concentration. To evaluate if coronary artery disease (CAD) or diabetes are associated with higher cTnT levels in ESRD. METHODS: Serum cTnT levels were measured immediately before and after dialysis 3 times over 1 year (0, 6, and 12 months). RESULTS: A total of 100 ESRD patients without acute coronary syndrome (mean age of 58.5 years, 34% with diabetes, and 37% with CAD) gave 267 pre-dialysis and 260 post-dialysis blood samples. The mean (standard deviation) pre-dialysis cTnT levels were 0.06 (0.12), 0.05 (0.06), and 0.07 (0.07) mcg/L at 0, 6, and 12 months, respectively. The post-dialysis cTnT levels were similar on average. Among 259 samples with cTnT measured both before and after dialysis, 79 (30.5%) showed a decrease in serum cTnT, 97 (37.5%) showed an increase and 83 (32%) showed no change following dialysis. Mean cTnT was higher in CAD than in non-CAD patients. We observed no significant difference in mean cTnT levels between diabetic and non-diabetic patients. CONCLUSIONS: cTnT levels were not affected by individual hemodialysis sessions, and remained stable around 0.06 mcg/L over a 1-year period in ESRD patients. Random cTnT levels were higher in stable CAD patients undergoing hemodialysis.
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 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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».