The utility of cardiac biomarkers and echocardiography for the early detection of bevacizumab- and sunitinib-mediated cardiotoxicity
Notice bibliographique
Résumé
The recent introduction of novel anticancer therapies, including bevacizumab (BVZ) and sunitinib (SNT), is associated with an increased risk of cardiotoxicity. However, early identification of left ventricular (LV) systolic dysfunction may facilitate dose modification and avoid the development of advanced heart failure. Using a murine model of BVZ- and SNT-mediated cardiotoxicity, we investigated whether cardiac biomarkers and/or tissue velocity imaging (TVI) using echocardiography can detect early changes in cardiac function, before a decrease in LV ejection fraction is identified. A total of 75 wild-type C57Bl/6 male mice were treated with either 0.9% saline, BVZ, or SNT. Serial monitoring of blood pressure, high-sensitivity troponin I, and echocardiographic indexes were performed over a 14-day study period, after which the mice were euthanized for histological and biochemical analyses. Mice treated with either BVZ or SNT developed systemic hypertension as early as day 7, which increased by day 14. Cardiac biomarkers, specifically high-sensitivity troponin I, were not predictive of early LV systolic dysfunction. Although conventional LV ejection fraction values decreased at day 13 in mice treated with either BVZ or SNT, TVI confirmed early LV systolic dysfunction at day 8. Histological and biochemical analysis demonstrated loss of cellular integrity, increased oxidative stress, and increased cardiac apoptosis in mice treated with BVZ or SNT therapy at day 14. In a murine model of BVZ- or SNT-mediated cardiomyopathy, noninvasive assessment by TVI detected early LV systolic dysfunction before alterations in conventional echocardiographic indexes.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».