Risk Stratification for Heart Failure and Death in an Acute Coronary Syndrome Population Using Inflammatory Cytokines and N-Terminal Pro-Brain Natriuretic Peptide
Notice bibliographique
Résumé
BACKGROUND: Inflammation in acute coronary syndrome (ACS) can identify those at greater long-term risks for heart failure (HF) and death. The present study assessed the performance of interleukin (IL)-6, IL-8, and monocyte chemoattractant protein-1 (MCP-1) (cytokines involved in the activation and recruitment of leukocytes) in addition to known biomarkers [e.g., N-terminal pro-brain natriuretic peptide (NT-proBNP)] for predicting HF and death in an ACS population. METHODS: In a cohort of 216 ACS patients, NT-proBNP (Elecsys; Roche) and IL-6, IL-8, and MCP-1 (evidence investigator; Randox) were measured in serial specimens collected early after symptom onset (n = 723). We collected at least 2 specimens from each participant: an early specimen (median 2 h; interquartile range 2-4 h) and a later specimen (9 h; 9-9 h), and used the later specimens' biomarker concentrations for risk stratification. RESULTS: An increase in both IL-6 and NT-proBNP was observed but not for IL-8 or MCP-1 early after pain onset. Kaplan-Meier analysis demonstrated that individuals with increased NT-proBNP (>183 ng/L) or cytokines (IL-6 > 6.4 ng/L; above upper limit of normal for IL-8 or MCP-1) had a greater probability of death or HF in the following 8 years (P <0.05). In a Cox proportional hazard model adjusted for both CRP and troponin I, increased IL-6, MCP-1, and NT-proBNP remained significant risk factors. Combining all 3 biomarkers resulted in a higher likelihood ratio for death or HF than models restricted to any 2 of these biomarkers. CONCLUSION: IL-6, MCP-1, and NT-proBNP are independent predictors of long-term risk of death or HF, highlighting the importance of identifying leukocyte activation and recruitment in ACS patients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 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 ».