MétaCan
Menu
Retour à la cohorte
Enregistrement W3102775366 · doi:10.1161/circ.142.suppl_3.14727

Abstract 14727: Meteorin-like Glial Cell Differentiation Regulator is a Novel Protein Biomarker of Cardiovascular Outcomes in Patients With Diabetes and Vascular Disease: A TECOS Substudy

2020· article· en· W3102775366 sur OpenAlexaff
L. Truby, Jessica A. Regan, Maggie Nguyen, Stephani Giamberardino, Robert J. Mentz, Robert W. McGarrah, Yinggan Zheng, Darren K. McGuire, John B. Buse, Paul W. Armstrong, Jennifer Green, Eberhard Standl, Eric D. Peterson, Svati H. Shah, Rury R. Holman

Notice bibliographique

RevueCirculation · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGDF15 and Related Biomarkers
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMaceMedicineInternal medicineBiomarkerHeart failureDiabetes mellitusEjection fractionType 2 diabetesOncologyCardiologyEndocrinologyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Introduction: To date, there are limited data on the potential role of proteomic biomarkers to predict future cardiovascular (CV) events among patients with type 2 diabetes mellitus (DM). Hypothesis: Specific protein biomarkers will be predictive of major adverse CV events (MACE) and incident heart failure hospitalization (HFH) among patients with DM. Methods: Using the Olink aptamer-based platform, we performed proteomic profiling (>700 proteins) on 440 paired cases and matched controls from placebo-assigned participants in the Trial Evaluating Cardiovascular Outcomes with Sitagliptin (TECOS). Cases were defined as having met the primary composite outcome of MACE or incident HFH and matched to controls on baseline prevalent heart failure, coronary artery disease, BMI, hemoglobin A1C, creatinine, low-density lipoprotein cholesterol, fasting status and ejection fraction. Conditional logistic regression was used to determine the association between log-transformed relative protein expression and incident MACE or HFH. False-discovery-rate (FDR) was used to adjust for multiple comparisons. Results: We identified three specific proteins that were significantly associated with prevalent MACE or HFH: METRNL, Notch 3, and ROR1 (OR 2.1, 1.6, 1.7 and q-value 0.01, 0.02, and 0.05 respectively) (Figure 1). METRNL, in particular, performed similarly to the established biomarker NT-proBNP (Figure 1). When MACE and HFH were analyzed separately, METRNL, in particular, remained strongly associated with both outcomes (OR 2.0, p<0.001 and OR 2.7, p=0.05). Conclusions: Three novel protein biomarkers, in particular METRNL (a circulating adipokine that regulates insulin-sensitivity), may identify diabetic patients at high risk for subsequent HF and MACE. Additional studies are needed to replicate these findings and uncover the biologic mechanism linking adipokine signaling and heart failure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,013
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,193
Écart entre enseignants0,183 · 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 tête enseignante, 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetGDF15 and Related BiomarkersTravaux en français237 207