Serum GDF15, a Promising Biomarker in Obese Patients Undergoing Heart Surgery
Notice bibliographique
Résumé
Background: Obesity is a risk factor that negatively impacts patient outcomes undergoing heart surgery by mechanisms that are not well defined nor predicated on BMI alone. This knowledge gap has fuelled a search for biomarkers associated with cardiovascular disease that could provide clinical insight to surgeons. One such biomarker is growth differentiation factor15(GDF15), associated with inflammation, metabolism and heart failure outcomes but not yet examined in the context of obesity and cardiac surgery outcomes. Methods: Patients undergoing open-heart surgery were consented and enrolled for blood and tissue (atria) sampling at the time of surgery. Biomarkers analysis was carried out using ELISA and western blot/qPCR respectively. Biomarkers screening was classified by inflammation(NLR, GDF15, Galectin3, ST2, TNFR2), heart failure(HF) /remodeling(NT-proBNP) and metabolism(glycemia, lipid profile). Patients were categorized based on BMI: obese group (BMI ≥30.0) and non-obese group(BMI 20.0- 29.9). Subsequent stratification of GDF15 high patients was conservatively set as being in the 75th percentile. Results: A total of 80 patients undergoing any open-heart surgical interventions were included in the study. Obese (mean BMI= 35.8, n=38) and non-obese (mean BMI= 25.7, n=42) groups had no significant differences in age, sex or co-morbidities. Compared to other biomarkers, plasma GDF15 (mean 1736 vs. 1207ng/l, p2years. However, patients with high GDF15 (>1580ng/l) had reduced survival (65%) compared to the remaining patients with lower GDF15 levels (95%) by Kaplan Meier Analysis (median >2 years; p=0.007). Conclusions: Circulating GDF15 is a salient biomarker likely sourced from heart tissue that appears to predict higher risk obese patients for adverse outcomes. More importantly, elevated GDF15 accounted for more sensitive outcome association that BMI at 2 years post-cardiac surgery, suggesting it heralds links to pathogenicity and should be actively studied prospectively and dynamically in a post-operative follow-up.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».