Personalization of Aspirin Therapy Ex Vivo in Patients with Atherosclerosis Using Light Transmission Aggregometry
Notice bibliographique
Résumé
Acetylsalicylic acid (ASA), also known as aspirin, appears to be ineffective in inhibiting platelet aggregation in 20–30% of patients. Light transmission aggregometry (LTA) is a gold standard platelet function assay. In this pilot study, we used LTA to personalize ASA therapy ex vivo in atherosclerotic patients. Patients were recruited who were on 81 mg ASA, presenting to ambulatory clinics at St. Michael’s Hospital (n = 64), with evidence of atherosclerotic disease defined as clinical symptoms and diagnostic findings indicative of symptomatic peripheral arterial disease (PAD), with an ankle brachial index (ABI) of <0.9 (n = 52) or had diagnostic features of asymptomatic carotid arterial stenosis (CAS), with >50% stenosis of internal carotid artery on duplex ultrasound (n = 12). ASA compliance was assessed via multisegmented injection-capillary electrophoresis-mass spectrometry based on measuring the predominant urinary ASA metabolite, salicyluric acid. LTA with arachidonic acid was used to test for ASA sensitivity. Escalating ASA dosages of 162 mg and 325 mg were investigated ex vivo for ASA dose personalization. Of the 64 atherosclerotic patients recruited, 8 patients (13%) were non-compliant with ASA. Of ASA compliant patients (n = 56), 9 patients (14%) were non-sensitive to their 81 mg ASA dosage. Personalizing ASA therapy in 81 mg ASA non-sensitive patients with escalating dosages of ASA demonstrated that 6 patients became sensitive to a dosage equivalent to 162 mg ASA and 3 patients became sensitive to a dosage equivalent to 325 mg ASA. We were able to personalize ASA dosage ex vivo in all ASA non-sensitive patients with escalating dosages of ASA within 1 h of testing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».