A systematic review of <scp>micro‐RNAs</scp> in aortic stenosis and cardiac fibrosis
Notice bibliographique
Résumé
Aortic stenosis (AS) is the commonest valve lesion requiring surgery in the Western world. The presence of myocardial fibrosis is associated with mortality even after valve replacement. MicroRNAs could serve as biomarkers of fibrosis and risk stratify patients for earlier intervention. This study aimed to systematically review reports of micro-RNA (miR) associated with fibrosis in AS and identify potential biomarkers. We searched EMBASE, Medline, and Web of Science up to May 2020. Studies that reported on the role of miRs in AS and cardiac fibrosis were included. Study quality was assessed using the Newcastle-Ottawa scale. Of 4230 reports screened, 25 were included. All studies were of low to moderate quality. MiRs were analyzed in myocardial tissue (n = 10), aortic valve tissue (n = 5), plasma (n = 5), and serum (n = 5). A total of 365 miRs were reported, of which only a few were reported in more than one paper (3 in the myocardium, 5 in the aortic valve, and 1 in plasma). miR-21 was upregulated in plasma and myocardial tissue. MiR-19b was downregulated in the myocardium. Papers reporting myocardial miR-1 contradicted each other, and miR-133a was associated with increased left ventricular mass regression post-surgery. In the aortic valve, miRs-665, 602 and 939 were downregulated, and miRs-193b and 214 were upregulated. The data on miR in fibrosis in AS is scarce and of low to moderate quality. Further studies are needed to identify novel miRs as biomarkers, especially at an earlier asymptomatic phase of the 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».