Whither digitalis? What we can still learn from cardiotonic steroids about heart failure and hypertension
Notice bibliographique
Résumé
-ATPase or NKA) and identification of a circulating ligand, endogenous ouabain (EO), a cardiotonic steroid (CTS), triggered seminal discoveries regarding EO and its NKA receptor in cardiovascular function and the pathophysiology of heart failure (HF) and hypertension. Cardiotonic digitalis preparations were a preferred treatment for HF for two centuries, but digoxin was only marginally effective in a large clinical trial (1997). This led to diminished digoxin use. Missing from the trial, however, was any consideration that endogenous CTS might influence digitalis' efficacy. Digoxin, at therapeutic concentrations, acutely inhibits NKA but, remarkably, antagonizes ouabain's action. Prolonged treatment with ouabain, but not digoxin, causes hypertension in rodents; in this model, digoxin lowers blood pressure (BP). Furthermore, NKA-bound ouabain and digoxin modulate different protein kinase signaling pathways and have disparate long-term cardiovascular effects. Reports of "brain ouabain" led to the elucidation of a new, slow neuromodulatory pathway in the brain; locally generated EO and the α2 NKA isoform help regulate sympathetic drive to the heart and vasculature. The roles of EO and α2 NKA have been studied by EO assay, ouabain-resistant mutation of α2 NKA, and immunoneutralization of EO with ouabain-binding Fab fragments. The NKA α2 CTS binding site and its endogenous ligand are required for BP elevation in many common hypertension models and full expression of cardiac remodeling and dysfunction following pressure overload or myocardial infarction. Understanding how endogenous CTS impact hypertension and HF pathophysiology and therapy should foster reconsideration of digoxin's therapeutic utility.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».