Renal Function and Body Mass Index Contribute to Serum Neurofilament Light Chain Levels in Elderly Patients With Atrial Fibrillation
Notice bibliographique
Résumé
Objective Serum neurofilament light chain (sNfL) is increasingly used as a neuroaxonal injury biomarker in the elderly. Besides age, little is known about how other physiological factors like renal function and body mass index (BMI) alter its levels. Here, we investigated the association of estimated glomerular filtration rate (eGFR) and BMI with sNfL in a large sample of elderly patients with atrial fibrillation (AF). Methods This is a cross-sectional analysis from the Swiss-AF Cohort (NCT02105844). We measured sNfL using an ultrasensitive single-molecule array assay. We calculated eGFR using the chronic kidney disease epidemiology collaboration (CKD-EPI) creatinine (eGFR crea ) and creatinine–cystatin C (eGFR crea–cys ) formulas, and BMI from weight and height measurements. We evaluated the role of eGFR and BMI as determinants of sNfL levels using multivariable linear regression and the adjusted R 2 (R 2 adj ). Results Among 2,277 Swiss-AF participants (mean age 73.3 years), eGFR crea showed an inverse curvilinear association with sNfL after adjustment for age and cardiovascular comorbidities. BMI also showed an independent, inverse linear association with sNfL. The R 2 adj of models with age, eGFR crea , and BMI alone was 0.26, 0.35, and 0.02, respectively. A model with age and eGFR crea combined explained 45% of the sNfL variance. Sensitivity analyses (i) further adjusting for vascular brain lesions ( N = 1,402 participants with MRI) and (ii) using eGFR crea–cys yielded consistent results. Interpretation In an elderly AF cohort, both renal function and BMI were associated with sNfL, but only renal function explained a substantial proportion of the sNfL variance. This should be taken into account when using sNfL in elderly patients or patients with cardiovascular disease.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».