Biomarkers for the prediction of cognitive decline in atrial fibrillation patients
Notice bibliographique
Résumé
Abstract Background Patients with atrial fibrillation (AF) are at increased risk of cognitive decline. Biomarkers might help to identify the highest risk patients. Purpose To investigate associations of a broad panel of biomarkers with cognitive decline in a large population of AF patients. Methods We enrolled 1440 AF patients with available baseline biomarkers and cognitive testing by the Montreal Cognitive assessment (MoCA) score at inclusion and at ≥2 yearly follow-ups over three years. Cognition over time was assessed by modelling of a slope over three years. Cognitive decline was defined as a decreasing slope based on 1 standard deviation of the baseline MoCa score. We investigated the associations of biomarkers and age with cognitive decline in univariate logistic regression models by AUCs. We used Lasso modelling to build combined prediction models with biomarkers, clinical variables and both. Results Mean age was 72 years, 75% were male, 47% had paroxysmal AF and 90% were anticoagulated. During a follow-up of 3 years, cognitive decline occurred in 93 patients (6.5%). Patients with cognitive decline were older (77 vs 72 years, p=0.001), more often had paroxysmal AF (50 vs 47%, p=0.007) or a history of stroke (24 vs 11%, p=0.001), but there were no differences in anticoagulation (94 vs 90%, p=0.289). The three biomarkers with the highest univariate AUC for cognitive decline were Growth Differentiation Factor (GDF)-15 (0.67 [0.62-0.72]), Cystatin C (0.67 [0.61-0.72]) and high-sensitivity Troponin T (0.65 [0.60-0.70]), while age had the highest overall AUC (0.70 [0.64-0.75]) (Figure). The combined prediction model with the highest AUC of 0.69 (0.67-0.72) included GDF-15, age and baseline cognition. Conclusion Over 3 years, 6.5% of AF patients had cognitive decline despite a high rate of anticoagulation. Besides age, GDF-15, Cystatin C and high-sensitivity Troponin T had the highest predictive value for cognitive decline.Univariate AUCs for biomarker/ageFigure legend
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».