GlycA Levels during the Earliest Stages of Rheumatoid Arthritis: Potential Use as a Biomarker of Subclinical Cardiovascular Disease
Notice bibliographique
Résumé
This study aimed at evaluating the clinical relevance of glycoprotein profiles during the earliest phases of rheumatoid arthritis (RA) as biomarkers of cardiovascular (CV) risk and treatment response. Then, GlycA and GlycB serum levels were measured using 1H-nuclear magnetic resonance in 82 early RA patients, 14 clinically-suspect arthralgia (CSA), and 28 controls. Serum glycosyltransferase activity was assessed by a colorimetric assay. Subclinical CV disease was assessed by Doppler-ultrasound. We found that GlycA and GlycB serum levels were increased in RA (both p < 0.001), but not in CSA, independently of cardiometabolic risk factors. Increased serum glycosyltransferase activity paralleled GlycA (r = 0.405, p < 0.001) and GlycB levels (r = 0.327, p = 0.005) in RA. GlycA, but not GlycB, was associated with atherosclerosis occurrence (p = 0.012) and severity (p = 0.001). Adding GlycA to the mSCORE improved the identification of patients with atherosclerosis over mSCORE alone, increasing sensitivity (29.7 vs. 68.0%) and accuracy (55.8 vs. 76.6%) and allowing reclassification into more appropriate risk categories. GlycA-reclassification identified patients with impaired lipoprotein metabolism. Finally, baseline GlycA levels predicted poor clinical response upon anti-rheumatic treatment at 6 and 12 months in univariate and multivariate analysis. In sum, increased GlycA levels during the earliest stage of RA can be considered a powerful biomarker for CV risk stratification and treatment response.
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 | 0,007 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».