Association between inflammatory biomarkers and all-cause, cardiovascular and cancer-related mortality
Notice bibliographique
Résumé
BACKGROUND: -acid glycoprotein (AGP) was found to have the strongest association with 5-year mortality in a recent study of 106 biomarkers. We examined whether AGP is a better biomarker of mortality risk than the more widely used inflammatory biomarkers interleukin-6 (IL-6) and C-reactive protein (CRP). METHODS: We analyzed data for 6545 men and women aged 45-69 (mean 55.7) years from the Whitehall II cohort study. We assayed AGP, IL-6 and CRP levels from fasting serum samples collected in 1997-1999. Mortality followup was until June 2015. Cox regression analysis was used to model associations of inflammatory biomarkers with all-cause, cardiovascular and cancer-related mortality. RESULTS: Over the mean follow-up of 16.7 years, 736 deaths occurred, of which 181 were from cardiovascular disease and 347 from cancer. In the model adjusted for all covariates (age, sex, socioeconomic status, body mass index, health behaviours and chronic disease), AGP did not predict mortality beyond the first 5 years of follow-up; over this period, IL-6 and CRP had stronger associations with mortality. When we considered all covariates and biomarkers simultaneously, AGP no longer predicted all-cause mortality over the entire follow-up period (adjusted hazard ratio [HR] 0.99, 95% confidence interval [CI] 0.90-1.08). Only IL-6 predicted all-cause mortality (adjusted HR 1.22, 95% CI 1.12-1.33) and cancer-related mortality (adjusted HR 1.13, 95% CI 1.00-1.29) over the entire follow-up period, whereas CRP predicted only cardiovascular mortality (adjusted HR 1.30, 95% CI 1.06-1.61). INTERPRETATION: Our findings suggest that AGP is not a better marker of short-or long-term mortality risk than the more commonly used biomarkers IL-6 and CRP.
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 | 0,004 | 0,003 |
| 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 | 0,001 | 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 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 ».