Troponin: the biomarker of choice for the detection of cardiac injury
Notice bibliographique
Résumé
It has been known for 50 years that transaminase activity increases in patients with acute myocardial infarction. With the development of creatine kinase (CK), biomarkers of cardiac injury began to take a major role in the diagnosis and management of patients with acute cardiovascular disease. In 2000 the European Society of Cardiology and the American College of Cardiology recognized the pivotal role of biomarkers and made elevations in their levels the “cornerstone” of diagnosis of acute myocardial infarction. At that time, they also acknowledged that cardiac troponin I and T had supplanted CK-MB as the analytes of choice for diagnosis. In this review, we discuss the science underlying the use of troponin biomarkers, how to interpret troponin values properly and how to apply these measurements to patients who present with possible cardiovascular disease. Troponin is the biomarker of choice for the detection of cardiac injury. To use it properly, one must understand how sensitive the specific assay being used is for detecting cardiac injury, the fact that elevated troponin levels are highly specific for cardiac injury and some critical issues related to the basic science of the protein and its measurement. In this article, we review the biology of troponin, characteristics of assays that measure serum troponin levels and how to apply these measurements to patients who present with possible cardiovascular disease. We also discuss other clinical situations in which troponin levels may be elevated.
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 | 0,003 | 0,005 |
| 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 | 0,001 |
| 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 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 ».