MMP-2, MMP-9, and TIMP-4 and Response to Aspirin in Diabetic and Nondiabetic Patients with Stable Coronary Artery Disease: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: High on-aspirin treatment platelets reactivity (HPR) is a significant problem in long-term secondary prevention of cardiovascular events. We hypothesize that imbalance between platelets MMPs/TIMPs results in cardiovascular disorders. We also explored whether chronically elevated blood glucose affects MMP-2/TIMP-4 release from platelets. MATERIALS AND METHODS: Seventy patients with stable coronary artery disease, supplemented with aspirin, participated in this pilot study. The presence of HPR and/or diabetes mellitus was considered as the differentiating factor. Light aggregometry, impedance aggregometry, and ELISA tests for TXB2, MMP-2, MMP-9, and TIMP-4 were performed in serum, plasma, platelet-rich plasma, and platelets-poor plasma, as appropriate. RESULTS: Aspirin-HPR did not affect plasma MMP-2, MMP-9, and TIMP-4. Arachidonic acid-induced aggregation of platelets from aspirin-HPR patients did not lead to increased release of MMP-2, MMP-9, and TIMP-4. Studying patients at the lowest TXB2 serum concentration quartile revealed that high concentration of plasma TIMP-4 and TIMP-4 negatively correlated with TXB2 and platelet aggregation. Diabetics showed an increased plasma MMP-2 as well as an increased MMP-2 in supernatants after platelet aggregation. However, diabetes mellitus did not affect MMP-9 and TIMP-4. CONCLUSION: Aspirin-HPR did not affect the translocation and release of MMPs and TIMP-4 from platelets. TIMP-4 may serve as a marker of TXA2-mediated platelet aggregation. Chronically elevated plasma glucose increases plasma MMP-2, and HPR potentiates this phenomenon.
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 | 0,001 |
| 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 ».