Tumour biomarkers: association with heart failure outcomes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: There is increasing recognition that heart failure (HF) and cancer are conditions with a number of shared characteristics. OBJECTIVES: To explore the association between tumour biomarkers and HF outcomes. METHODS: In 2,079 patients of BIOSTAT-CHF cohort, we measured six established tumour biomarkers: CA125, CA15-3, CA19-9, CEA, CYFRA 21-1 and AFP. RESULTS: During a median follow-up of 21 months, 555 (27%) patients reached the primary end-point of all-cause mortality. CA125, CYFRA 21-1, CEA and CA19-9 levels were positively correlated with NT-proBNP quartiles (all P < 0.001, P for trend < 0.001) and were, respectively, associated with a hazard ratio of 1.17 (95% CI 1.12-1.23; P < 0.0001), 1.45 (95% CI 1.30-1.61; P < 0.0001), 1.19 (95% CI 1.09-1.30; P = 0.006) and 1.10 (95% CI 1.05-1.16; P < 0.001) for all-cause mortality after correction for BIOSTAT risk model (age, BUN, NT-proBNP, haemoglobin and beta blocker). All tumour biomarkers (except AFP) had significant associations with secondary end-points (composite of all-cause mortality and HF hospitalization, HF hospitalization, cardiovascular (CV) mortality and non-CV mortality). ROC curves showed the AUC of CYFRA 21-1 (0.64) had a noninferior AUC compared with NT-proBNP (0.68) for all-cause mortality (P = 0.08). A combination of CYFRA 21-1 and NT-proBNP (AUC = 0.71) improved the predictive value of the model for all-cause mortality (P = 0.0002 compared with NT-proBNP). CONCLUSIONS: Several established tumour biomarkers showed independent associations with indices of severity of HF and independent prognostic value for HF outcomes. This demonstrates that pathophysiological pathways sensed by these tumour biomarkers are also dysregulated in HF.
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.
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 | 0,003 |
| 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 | 0,001 |
| 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 découle