Performance of plasminogen activator inhibitor-1 as a biomarker in patients undergoing coronary angiography: Analytical and biological considerations
Notice bibliographique
Résumé
INTRODUCTION AND OBJECTIVE: Target lesion failure continues to limit the efficacy of percutaneous coronary intervention despite advancements in stent design and medical therapy. Identification of biomarkers to risk stratify patients after percutaneous coronary intervention has the potential to focus therapies on cohorts with increased benefits. Plasminogen activator inhibitor-1 has been identified as a candidate biomarker. Herein, we evaluate biological variables which impact plasminogen activator inhibitor-1 levels and analytical characteristics which impact its utility as a biomarker in humans. METHODS: Plasma plasminogen activator inhibitor-1 was measured in 689 patients undergoing coronary angiography. Plasminogen activator inhibitor-1 levels were measured. Clinical and procedural characteristics were collected in a prospective registry. RESULTS: = 118.6%) variations with reference change value of 122.3% were calculated. Plasminogen activator inhibitor-1 levels were elevated in patients with cardiovascular risk factors, including type 2 diabetes, pre-diabetes, smokers, obesity, hypertension, and daytime variation in procedure and blood draw. CONCLUSION: Variation in plasma plasminogen activator inhibitor-1 levels is influenced by multiple biological and procedural characteristics. The performance of plasma plasminogen activator inhibitor-1 is consistent with biomarkers in clinical use (N-terminal pro-B-type natriuretic peptide and C-reactive protein) and its applicability is promising.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».