Soluble Vascular Biomarkers in Rheumatoid Arthritis and Ankylosing Spondylitis: Effects of 1-year Antitumor Necrosis Factor-α Therapy
Notice bibliographique
Résumé
Objective. Rheumatoid arthritis (RA) and ankylosing spondylitis (AS) have been associated with cardiovascular disease. The treatment of arthritis by tumor necrosis factor-α (TNF-α) inhibitors may decrease the serum concentrations of vascular biomarkers. We determined circulating levels of oxidized low-density lipoprotein (oxLDL)/β2 glycoprotein I (β2-GPI) complexes, antibodies to 60 kDa heat shock protein (anti-Hsp60), soluble urokinase plasminogen activator receptor (suPAR), and B-type natriuretic peptide (BNP) fragment in sera of RA and AS patients undergoing anti-TNF treatment. Methods. Fifty-three patients with RA/AS were treated with etanercept or certolizumab pegol for 1 year. Circulating oxLDL/β2-GPI complex (AtherOx), anti-Hsp60 IgG, and BNP8-29 fragment levels were assessed by ELISA. suPAR levels were determined by suPARnostic Quick Triage test. Flow-mediated vasodilation (FMD), carotid intima-media thickness (CIMT), and arterial pulse wave velocity (PWV) were determined by ultrasound. Results. One-year anti-TNF treatment significantly decreased oxLDL/β2-GPI levels, as well as suPAR levels in patients with critically high suPAR levels at baseline. In RA, BNP levels were higher in seropositive vs seronegative patients. Serum levels of these vascular biomarkers variably correlated with lipids, anticitrullinated protein antibodies, rheumatoid factor, and C-reactive protein. CIMT positively correlated with BNP, and PWV with suPAR and anti-Hsp60, whereas FMD inversely associated with anti-Hsp60. In repeated measures ANOVA analysis, disease activity supported the effects of anti-TNF treatment on 12-month changes in oxLDL/β2-GPI. CIMT supported the effects of therapy on changes in anti-Hsp60 and suPAR. Conclusion. These biomarkers may be involved in the pathogenesis of atherosclerosis underlying RA/AS. TNF inhibition variably affects the serum levels of oxLDL/β2-GPI, suPAR, and BNP.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».