A Network Analysis to Compare Biomarker Profiles in Patients with and without Diabetes Mellitus in Acute Heart Failure
Notice bibliographique
Résumé
AIMS: It is unclear whether distinct pathophysiological processes are present among patients with acute heart failure (AHF), with and without diabetes. Network analysis of biomarkers may identify correlative associations that reflect different pathophysiological pathways. METHODS AND RESULTS: We analysed a panel of 48 circulating biomarkers measured within 24 h of admission for AHF in a subset of patients enrolled in the PROTECT trial. In patients with and without diabetes, we performed a network analysis to identify correlations between measured biomarkers. Compared with patients without diabetes (n = 1111), those with diabetes (n = 922) had a higher prevalence of ischaemic heart disease and traditional coronary risk factors. After multivariable adjustment, patients with and without diabetes had significantly different levels of biomarkers across a spectrum of pathophysiological domains, including inflammation (TNFR-1a, periostin), cardiomyocyte stretch (BNP), angiogenesis (VEGFR, angiogenin), and renal function (NGAL, KIM-1) (adjusted P-value <0.05). Among patients with diabetes, network analysis revealed that periostin strongly clustered with C-reactive protein and interleukin-6. Furthermore, renal markers (creatinine and NGAL) closely associated with potassium and glucose. These findings were not seen among patients without diabetes. CONCLUSION: Patients with AHF and diabetes, compared with those without diabetes, have distinct biomarker profiles. Network analysis suggests that cardiac remodelling, inflammation, and fibrosis are closely associated with each other in patients with diabetes. Furthermore, potassium levels may be sensitive to changes in renal function as reflected by the strong renal-potassium-glucose correlation. These findings were not seen among patients without diabetes and may suggest distinct pathophysiological processes among AHF patients with diabetes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».