Aortic Stenosis Prognostication in Patients With Type 2 Diabetes: Protocol for Testing and Validation of a Biomarker-Derived Scoring System
Notice bibliographique
Résumé
BACKGROUND: Type 2 diabetes mellitus (T2DM) has been established as an important independent risk factor for aortic stenosis. T2DM patients present with a higher degree of valve calcification and left ventricular dysfunction compared to patients without diabetes. This may be due to an increase in incidence and severity of myocardial fibrosis. Currently, there is no reliable method of determining the optimal timing of intervention for a patient with asymptomatic aortic stenosis or predicting when a patient will become symptomatic. Research into serum biomarkers to predict subclinical onset and track progression of aortic stenosis is hampered by the multimodal nature of the pathological processes ultimately responsible for aortic stenosis. OBJECTIVE: The aim of this study is to prove that an approach using a combination of serum biomarkers and the echocardiographic parameter global longitudinal strain (GLS) can be used to establish baseline status of fibrocalcific aortic valve disease, predict rate of progression, and quantitatively assess any regression of these processes following aortic valve replacement in patients with T2DM. METHODS: Validated serum biomarkers for the separate processes of calcification, inflammation, oxidative stress and fibrosis can be used to quantify onset and rate of progression of aortic stenosis. This, in combination with the echocardiographic parameter GLS, can be compared with other objective investigations of calcification and fibrosis with the aim of developing a quick, noninvasive one-stop assessment of aortic stenosis in patients with T2DM. The serum biomarkers BNP (B-type natriuretic peptide), Gal-3 (Galectin-3), GDF-15 (growth differentiation factor-15), sST2 (soluble suppression of tumorigenicity 2), OPG (osteoprotegerin), and microRNA 19b and 21 will be sampled from patients undergoing aortic valve replacement (with and without T2DM), patients with T2DM but without aortic valve disease and healthy volunteers. These patients will also undergo computed tomography (CT) scans for calcium scoring, magnetic resonance imaging (MRI) to quantify myocardial fibrosis, and myocardial strain imaging with speckle-tracking echocardiography. Samples of calcified native aortic valve and a biopsy of ventricular myocardium will be examined histologically to determine the quantity and distribution of calcification and fibrosis, and the secretome of these tissue samples will also be analyzed for levels of the same biomarkers as in the serum samples. All patients will be followed up with in 3 months and 12 months for repeat blood sampling, echocardiography, and CT and MRI imaging to assess disease progression or regression. The results of tissue analysis and CT and MRI scanning will be used to validate the findings of the serum biomarkers and echocardiographic assessment. RESULTS: Using all of the information gathered throughout the study will yield a ranking scale for use in the clinic, which will provide each patient with a fibrocalcific profile. This can then be used to recommend an optimal time for intervention. CONCLUSION: A reliable, validated set of serum biomarkers combined with an inexpensive bedside echocardiographic examination can now form the basis of a one-stop outpatient-based assessment service, which will provide an accurate risk assessment in patients with aortic stenosis at first contact. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/13186.
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 | 0,032 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».