MétaCan
Menu
Retour à la cohorte
Enregistrement W3092052624 · doi:10.1093/braincomms/fcaa166

Serum neurofilament light in atrial fibrillation: clinical, neuroimaging and cognitive correlates

2020· article· en· W3092052624 sur OpenAlexaffabout
Alexandros A. Polymeris, Michael Coslovksy, Stefanie Aeschbacher, Tim Sinnecker, Pascal Benkert, Richard Kobza, Jürg H. Beer, Nicolas Rodondi, Urs Fischer, Giorgio Moschovitis, Andreas U. Monsch, Anne Springer, Matthias Schwenkglenks, Jens Wuerfel, Gian Marco De Marchis, Philippe Lyrer, Michael Kühne, Stefan Osswald, David Conen, Jens Kühle, Leo H. Bonati

Notice bibliographique

RevueBrain Communications · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésAtrial fibrillationMedicineInternal medicineCardiologyStroke (engine)Diabetes mellitusMontreal Cognitive AssessmentHeart failureVerbal fluency testCognitionNeuropsychologyDiseaseDementiaEndocrinologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Emerging evidence suggests that atrial fibrillation is associated with cognitive dysfunction independently of stroke, but the underlying mechanisms remain unclear. In this cross-sectional analysis from the Swiss-atrial fibrillation Study (NCT02105844), we investigated the association of serum neurofilament light protein, a neuronal injury biomarker, with (i) the CHA2DS2-VASc score (congestive heart failure, hypertension, age 65–74 or >75 years, diabetes mellitus, stroke or transient ischaemic attack, vascular disease, sex), clinical and neuroimaging parameters and (ii) cognitive measures in atrial fibrillation patients. We measured neurofilament light in serum using an ultrasensitive single-molecule array assay in a sample of 1379 atrial fibrillation patients (mean age, 72 years; female, 27%). Ischaemic infarcts, small vessel disease markers and normalized brain volume were assessed on brain MRI. Cognitive testing included the Montreal cognitive assessment, trail-making test, semantic verbal fluency and digit symbol substitution test, which were summarized using principal component analysis. Results were analysed using univariable and multivariable linear regression. Neurofilament light was associated with the CHA2DS2-VASc score, with an average 19.2% [95% confidence interval (17.2%, 21.3%)] higher neurofilament per unit CHA2DS2-VASc increase. This association persisted after adjustment for age and MRI characteristics. In multivariable analyses, clinical parameters associated with neurofilament light were higher age [32.5% (27.2%, 38%) neurofilament increase per 10 years], diabetes mellitus, heart failure and peripheral artery disease [26.8% (16.8%, 37.6%), 15.7% (8.1%, 23.9%) and 19.5% (6.8%, 33.7%) higher neurofilament, respectively]. Mean arterial pressure showed a curvilinear association with neurofilament, with evidence for both an inverse linear and a U-shaped association. MRI characteristics associated with neurofilament were white matter lesion volume and volume of large non-cortical or cortical infarcts [4.3% (1.8%, 6.8%) and 5.5% (2.5%, 8.7%) neurofilament increase per unit increase in log-volume of the respective lesion], as well as normalized brain volume [4.9% (1.7%, 8.1%) higher neurofilament per 100 cm3 smaller brain volume]. Neurofilament light was inversely associated with all cognitive measures in univariable analyses. The effect sizes diminished after adjusting for clinical and MRI variables, but the association with the first principal component was still evident. Our results suggest that in atrial fibrillation patients, neuronal loss measured by serum neurofilament light is associated with age, diabetes mellitus, heart failure, blood pressure and vascular brain lesions, and inversely correlates with normalized brain volume and cognitive function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,165
Tête enseignante GPT0,408
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrain CommunicationsMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207