Troponin and BNP are markers for subsequent non-ischaemic congestive heart failure: the Caerphilly Prospective Study (CaPS)
Notice bibliographique
Résumé
Objective To examine the long-term predictive value of 28 biomarkers for subsequent non-ischaemic congestive heart failure (CHF) and separately for other cardiovascular outcomes (myocardial infarction (MI) and stroke). Methods The Caerphilly Prospective Study recruited 2171 men aged 55–69 years from the general population in 1989–1993; men were screened for evidence of cardiovascular disease (CVD) and followed for clinical cardiovascular events. Fasting blood samples were stored at −70°C until assayed for novel biomarkers in 2010–2013. A competing risks proportional hazards regression analysis was used to estimate subhazard ratios (SHRs) for each biomarker for each cardiovascular outcome. Results During follow-up (average 13 years), only new, initial events were evaluated in the whole cohort: 584 MIs, 313 strokes and 261 episodes of CHF (not associated with acute MI). In a subcohort of men who had no clinical history or evidence of CVD at baseline examination (n=1279) those in the top third of the distributions of troponin and B-type natriuretic peptide (BNP) showed a threefold increase in risk for subsequent CHF as a first event after adjustment for all conventional risk factors (SHRs 3.37, 95% CI 1.39 to 8.14 and 3.23, 95% CI 1.45 to 7.23), respectively, in contrast to moderate elevations in risk for acute MI (troponin SHR 1.63, 95% CI 1.10 to 2.41) and for stroke (BNP SHR 1.75 95% CI 1.06 to 2.88). Conclusion Troponin and BNP could be considered as potentially useful screening tools to detect subjects without prior CVD at increased risk of developing CHF in subsequent years in addition to having lesser roles for predicting subsequent MI (troponin) or stroke (BNP).
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 | 0,000 |
| 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 ».