MétaCan
Menu
Retour à la cohorte
Enregistrement W4388942757 · doi:10.3389/fpubh.2023.1280185

Serum/plasma biomarkers and the progression of cardiometabolic multimorbidity: a systematic review and meta-analysis

2023· review· en· W4388942757 sur OpenAlex
Yichen Jin, Ziyuan Xu, Yuting Zhang, Yue Zhang, Danyang Wang, Yangyang Cheng, Yaguan Zhou, Muhammad Fawad, Xiaolin Xu

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueFrontiers in Public Health · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueGDF15 and Related Biomarkers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisInternal medicineDiabetes mellitusDiseaseType 2 Diabetes MellitusStroke (engine)BiomarkerType 2 diabetesEndocrinologyBiology

Résumé

récupéré en direct d'OpenAlex

Background: The role of certain biomarkers in the development of single cardiometabolic disease (CMD) has been intensively investigated. Less is known about the association of biomarkers with multiple CMDs (cardiometabolic multimorbidity, CMM), which is essential for the exploration of molecular targets for the prevention and treatment of CMM. We aimed to systematically synthesize the current evidence on CMM-related biomarkers. Methods: We searched PubMed, Embase, Web of Science, and Ebsco for relevant studies from inception until August 31st, 2022. Studies reported the association of serum/plasma biomarkers with CMM, and relevant effect sizes were included. The outcomes were five progression patterns of CMM: (1) no CMD to CMM; (2) type 2 diabetes mellitus (T2DM) followed by stroke; (3) T2DM followed by coronary heart disease (CHD); (4) T2DM followed by stroke or CHD; and (5) CHD followed by T2DM. Newcastle-Ottawa Quality Assessment Scale (NOS) was used to assess the quality of the included studies. A meta-analysis was conducted to quantify the association of biomarkers and CMM. Results: A total of 68 biomarkers were identified from 42 studies, which could be categorized into five groups: lipid metabolism, glycometabolism, liver function, immunity, and others. Lipid metabolism biomarkers were most reported to associate with CMM, including TC, TGs, HDL-C, LDL-C, and Lp(a). Fasting plasma glucose was also reported by several studies, and it was particularly associated with coexisting T2DM with vascular diseases. According to the quantitative meta-analysis, HDL-C was negatively associated with CHD risk among patients with T2DM (pooled OR for per 1 mmol/L increase = 0.79, 95% CI = 0.77-0.82), whereas a higher TGs level (pooled OR for higher than 150 mg/dL = 1.39, 95% CI = 1.10-1.75) was positively associated with CHD risk among female patients with T2DM. Conclusion: Certain serum/plasma biomarkers were associated with the progression of CMM, in particular for those related to lipid metabolism, but heterogeneity and inconsistent findings still existed among included studies. There is a need for future research to explore more relevant biomarkers associated with the occurrence and progression of CMM, targeted at which is important for the early identification and prevention of CMM.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,668
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0180,002
Bibliométrie0,0020,006
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,401
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle