Biomarkers for the Diagnosis of Heart Failure in People with Diabetes: A Consensus Report from Diabetes Technology Society
Notice bibliographique
Résumé
Diabetes Technology Society assembled a panel of clinician experts in diabetology, cardiology, clinical chemistry, nephrology, and primary care to review the current evidence on biomarker screening of people with diabetes (PWD) for heart failure (HF), who are, by definition, at risk for HF (Stage A HF). This consensus report reviews features of HF in PWD from the perspectives of 1) epidemiology, 2) classification of stages, 3) pathophysiology, 4) biomarkers for diagnosing, 5) biomarker assays, 6) diagnostic accuracy of biomarkers, 7) benefits of biomarker screening, 8) consensus recommendations for biomarker screening, 9) stratification of Stage B HF, 10) echocardiographic screening, 11) management of Stage A and Stage B HF, and 12) future directions. The Diabetes Technology Society panel recommends 1) biomarker screening with one of two circulating natriuretic peptides (B-type natriuretic peptide or N-terminal prohormone of B-type natriuretic peptide), 2) beginning screening five years following diagnosis of type 1 diabetes (T1D) and at the diagnosis of type 2 diabetes (T2D), 3) beginning routine screening no earlier than at age 30 years for T1D (irrespective of age of diagnosis) and at any age for T2D, 4) screening annually, and 5) testing any time of day. The panel also recommends that an abnormal biomarker test defines asymptomatic preclinical HF (Stage B HF). This diagnosis requires follow-up using transthoracic echocardiography for classification into one of four subcategories of Stage B HF, corresponding to risk of progression to symptomatic clinical HF (Stage C HF). These recommendations will allow identification and management of Stage A and Stage B HF in PWD to prevent progression to Stage C HF or advanced HF (Stage D HF).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».