MétaCan
Menu
Retour à la cohorte
Enregistrement W2594140903 · doi:10.1002/ehf2.12136

Differentiating Heart Failure Phenotypes Using Sex-Specific Transcriptomic and Proteomic Biomarker Panels

2017· article· en· W2594140903 sur OpenAlexaffabout
Mustafa Toma, George Mak, Virginia Chen, Zsuzsanna Hollander, Casey P. Shannon, Karen Lam, Raymond T. Ng, Scott J. Tebbutt, J. Wilson-McManus, Andrew Ignaszewski, Todd J. Anderson, Jason R.B. Dyck, Jonathan G. Howlett, Justin A. Ezekowitz, Bruce M. McManus, Gavin Y. Oudit

Notice bibliographique

RevueESC Heart Failure · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversity of Alberta HospitalCanadian VIGOUR CentreUniversity of AlbertaUniversity of CalgaryBGC Engineering (Canada)Health Sciences CentreCanadian Blood ServicesPrevention of Organ FailureUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHeart failureMedicineBiomarkerInternal medicineEjection fractionHeart failure with preserved ejection fractionCohortCardiologyNatriuretic peptideBiomarker discoveryTranscriptomeProteomicsGene expressionGeneBiology

Résumé

récupéré en direct d'OpenAlex

AIMS: Heart failure with preserved ejection fraction (HFpEF) accounts for 30-50% of patients with heart failure (HF). A major obstacle in HF management is the difficulty in differentiating between HFpEF and heart failure with reduced ejection fraction (HFrEF) using conventional clinical and laboratory investigations. The aim of this study is to develop robust transcriptomic and proteomic biomarker signatures that can differentiate HFpEF from HFrEF. METHODS AND RESULTS: A total of 210 HF patients were recruited in participating institutions from the Alberta HEART study. An expert clinical adjudicating panel differentiated between patients with HFpEF and HFrEF. The discovery cohort consisted of 61 patients, and the replication cohort consisted of 70 patients. Transcriptomic and proteomic data were analysed to find panels of differentiating HFpEF from HFrEF. In the discovery cohort, a 22-transcript panel was found to differentiate HFpEF from HFrEF in male patients with a cross-validation AUC of 0.74, as compared with 0.70 for N-terminal pro-B-type natriuretic peptide (NT-proBNP) in those same patients. An ensemble of the transcript panel and NT-pro-BNP yielded a cross-validation AUC of 0.80. This performance improvement was also observed in the replication cohort. An ensemble of the transcriptomic panel with NT-proBNP produced a replication AUC of 0.90, as compared with 0.74 for NT-proBNP alone and 0.73 for the transcriptomic panel. CONCLUSIONS: We have identified a male-specific transcriptomic biomarker panel that can differentiate between HFpEF and HFrEF. These biosignatures could be further replicated on other patients and potentially be developed into a blood test for better management of HF 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,286
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueESC Heart FailureMême sujetHeart Failure Treatment and ManagementTravaux en français237 207