Novel Biomarkers Do Not Correlate with Severity of Vascular Stiffness in CKD Patients with Severe Co-Morbid Disease
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
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 découle