Variability in Cardiac Biomarkers during Hemodialysis: A Prospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: The effect of hemodialysis on cardiac biomarkers is unclear. We sought to evaluate the degree and causes of intradialytic variability of high sensitivity troponin I (hs-TnI), galectin-3 (gal-3), and heart-type fatty acid binding protein (hFABP). METHODS: hs-TnI, gal-3, and hFABP were prospectively measured pre-dialysis and post-dialysis for 1 week every month for 6 months in 178 prevalent adult hemodialysis patients at a single center in Hamilton, Canada. The degree of change from pre-dialysis to post-dialysis for each cardiac biomarker was estimated with multilevel linear regression models. RESULTS: The median change in the concentration of hs-TnI during hemodialysis was -1 ng/L (interquartile range [IQR] -1 to 2 ng/L) while gal-3 and hFABP changed by -36.3 ng/mL (IQR -27.7 to -46.8 ng/mL) and -19.41 ng/mL (IQR -13.61 to -26.87 ng/mL), respectively. The median (IQR) percentage intradialytic changes for hs-TnI, gal-3, and hFABP were 2.6% (-4.4% to 12.5%), -59.8% (-54.7% to -64.8%) and -35.3% (-28.4% to -42.1%), respectively. Ultrafiltration was associated with an increase in concentration of hs-TnI, gal-3, and hFABP (mean 0.99 ng/L, 1.05 ng/mL, and 1.9 ng/mL per L ultrafiltration, respectively, P < 0.001). Both gal-3 and hFABP concentrations decreased in association with the volume of blood processed (P < 0.001) and with hemodialysis treatment time (P = 0.02 and P = 0.04) while hs-TnI concentration decreased only in association with hemodialysis treatment time (P < 0.001). CONCLUSIONS: Ultrafiltration volume and hemodialysis treatment time influenced hs-TnI, gal-3, and hFABP concentrations during hemodialysis and should be considered when interpreting their measurement.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».