Angiogenesis-related proteins as biomarkers for peripheral artery disease
Notice bibliographique
Résumé
Background: Angiogenesis plays an important role in peripheral artery disease (PAD) and angiogenesis-related proteins may act as prognostic biomarkers. This study assesses the potential for angiogenesis-related proteins to predict adverse events associated with PAD. Methods: This was a case-control study. Patients with PAD (n = 250) and without PAD (n = 125) provided blood samples and were followed prospectively for three years. Concentrations of 17 angiogenesis-related proteins were measured in plasma. The incidence of major adverse limb event (MALE), defined as a composite of major amputation or vascular intervention, was the primary outcome. Worsening PAD status, defined as a drop in ankle brachial index ≥ 0.15, was the secondary outcome. Multivariable regression adjusted for baseline characteristics was conducted to determine the prognostication value of angiogenesis-related proteins in predicting MALE. Findings: Relative to patients without PAD, 8 proteins related to angiogenesis were expressed differentially in PAD patients. Worsening PAD status and MALE were observed in 52 (14%) and 83 (22%) patients, respectively. Hepatocyte growth factor (HGF) was the most reliable predictor of MALE (adjusted HR 0.79, 95% CI 0.15-0.86). Compared to individuals with high HGF, patients with low HGF had a decreased three-year freedom from MALE [66% vs 88%, p = 0.001], major amputation [93% vs 98%, p = 0.023], vascular intervention [68% vs 88%, p = 0.001], and worsening PAD status [81% vs 91%, p = 0.006]. Interpretation: Measuring plasma levels of HGF in individuals with PAD can assist in identifying patients at elevated risk of adverse events related to PAD who may benefit from additional evaluation or treatment.
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 ».