Biomarker Prognostication Across Universal Definition of Heart Failure Stages
Notice bibliographique
Résumé
AIM: The Universal Definition of Heart Failure (UDHF) provides a framework for staging risk for HF events. It is not clear whether prognostic biomarkers have different meaning across UDHF stages. We sought to evaluate performance of biomarkers to predict HF events among high-risk patients undergoing coronary and/or peripheral angiography categorized into UDHF stages. METHODS: One thousand two hundred thirty-five individuals underwent coronary and/or peripheral angiography were enrolled. Study participants were categorized into UDHF Stage A (at risk), Stage B (pre-HF), and Stage C or D (HF, including end stage) and grouped into Stage A/B and C/D. Biomarkers and clinical variables were used to develop prognostic models. Other measures examined included total HF hospitalizations. RESULTS: Over a median of 3.67 years of follow-up, 155 cardiovascular (CV) deaths occurred, and 299 patients were hospitalized with acute HF. In patients with Stage A/B, galectin-3 (HR = 1.52, P = 0.03), endothelin-1 (HR = 2.16, P = 0.001), and N-terminal pro-B-type natriuretic peptide (NT-proBNP; HR = 1.43, P < 0.001) were associated with incident CV death/HF hospitalization. In Stage C/D, NT-proBNP (HR = 1.26, P = 0.006), soluble urokinase-type plasminogen activator receptor (suPAR; HR = 1.57, P = 0.007) and high-sensitivity C-reactive protein (hs-CRP; HR = 1.15, P = 0.01) were associated with these outcomes. Higher biomarker concentrations were associated with greater total burden of HF events in Stages A/B and C/D. CONCLUSIONS: Among higher risk individuals undergoing angiographic procedures, different biomarkers improve risk stratification in different UDHF stages of HF. More precise prognostication may offer a window of opportunity to initiate targeted preventive measures.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».