Soluble ST2 Predicts Poor Functional Outcome in Acute Ischemic Stroke Patients
Notice bibliographique
Résumé
INTRODUCTION: There are very limited data on the role of biomarkers correlating with the outcome in acute ischemic stroke (AIS). We evaluated the predictive values of the plasma concentrations of soluble serum stimulation-2 (sST2), matrix metalloproteinase-9 (MMP-9), and claudin-5 in AIS. METHODS: The biomarker levels in the plasma samples of consecutive AIS patients collected at baseline, 12 h, and 24 h from stroke onset were quantified using immunoassays. Stroke severity was assessed using the National Institutes of Health Stroke Scale (NIHSS) and functional outcome at 90 days using the modified Rankin Scale (mRS), with scores above 3 defined as poor outcome. Receiver operating characteristic curve analysis and multiple logistic regression were performed for evaluating the discriminative power of each marker. RESULTS: We included 108 patients in the study (mean age 62.3 ± 11.7 years). Median NIHSS score was 12 (interquartile range 8-18). High baseline glucose levels, systolic blood pressure, baseline NIHSS, low Alberta Stroke Program Early CT Score, and hemorrhagic transformation were associated with poor outcomes. Elevated sST2 at 12 h (50.4 ± 51.0 ng/mL; p = 0.047) and 24 h (81.8 ± 101.3 ng/mL; p = 0.001) positively correlated with poor outcomes. MMP-9 (p = 0.086) and claudin-5 (p = 0.2) were not significantly associated with the outcome, although increased expressions of both markers were observed at 12 h. Multiple logistic regression showed that sST2 levels ≥71.8 ng/mL at 24 h, with a specificity of 96.9%, emerged as an independent predictor of poor functional outcome (OR: 6.44; 95% CI: 1.40-46.3; p = 0.029). CONCLUSION: Evaluation of sST2 may act as a reliable biomarker of functional outcome in AIS.
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 | 0,001 |
| 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) | 0,001 | 0,001 |
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 ».