Biomarkers in heart failure clinical trials. A review from the Biomarkers Working Group of the Heart Failure Association of the European Society of Cardiology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The approval of new heart failure (HF) therapies has slowed over the past two decades in part due to the high costs of conducting large randomized clinical trials that are needed to adequately power major clinical endpoint studies. Several biomarkers have been identified reflecting different elements of HF pathophysiology, with possible applications in diagnosis, risk stratification, treatment monitoring, and even in the design of clinical trials. Biomarkers could potentially be used to refine study inclusion criteria to enable enrolment of patients who are more likely to respond to a therapeutic intervention, despite being at sufficient risk to meet pre-determined study endpoint rates. When there is a close relationship between biomarker levels and clinical endpoints, changes in biomarker levels after a given treatment can act as a surrogate endpoint, potentially reducing the duration and cost of a clinical trial. Natriuretic peptides have been widely used in clinical trials with a variable amount of added value, which such variation being probably due to the absence of a close pathophysiological connection to the study drug. Notable exceptions to this include sacubitril/valsartan and vericiguat. Future studies should seek to adopt unbiased approaches for discovery of true companion diagnostics; with -omics-based tools, biomarkers might be more precisely selected for use in clinical trials to identify responses that closely reflect the biological effects of the drug under investigation. Finally, biomarkers associated with cardiac damage and remodelling, such as cardiac troponin, could be employed as safety endpoints provided that standardization between different assays is achieved.
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.
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 | 0,048 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle