Novel Biomarkers Do Not Correlate with Severity of Vascular Stiffness in CKD Patients with Severe Co-Morbid Disease
Notice bibliographique
Résumé
BACKGROUND/AIMS: Novel biomarkers may help explain the pathobiology of vascular disease in chronic kidney disease, and thus set the stage for identification of therapeutic targets, potential reversibility, and improved outcomes in this population. METHODS: 124 subjects with GFR <60 ml/min or on renal replacement therapy underwent measurement of inflammatory, vascular and cardiac biomarkers as well as aortic pulse wave velocity (PWV) testing. A subset of patients (n = 60) had repeat PWV measured at 6 months. RESULTS: Thirty-four percent of the patients were diabetic, and 50% had a history of cardiovascular disease or congestive heart failure. Median PWV was 9.8 (IQR 8.3-12.7) m/s. No significant correlations between the measured biomarkers and baseline PWV was observed. An increase in PWV (>1.5 m/s) over 6 months was observed in those subjects with diabetes, a higher brain natriuretic peptide level, lower cholesterol and lower phosphate level. Age (HR 1.086, p = 0.0028), fetuin (0.024, p = 0.0448), and interleukin-10 (top tertile HR 4.720, p = 0.0359) were associated with mortality. CONCLUSIONS: In this cohort of patients with chronic kidney disease and diabetes and/or heart disease, we were unable to demonstrate that select biomarkers can inform processes leading to vascular disease. Biomarkers do appear to have utility in predicting future events in this population.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».