Identifying a target group for selenium supplementation in high-risk cardiac surgery: a secondary analysis of the SUSTAIN CSX trial
Notice bibliographique
Résumé
BACKGROUND: Recent data from the randomized SUSTAIN CSX trial could not confirm clinical benefits from perioperative selenium treatment in high-risk cardiac surgery patients. Underlying reasons may involve inadequate biosynthesis of glutathione peroxidase (GPx3), which is a key mediator of selenium's antioxidant effects. This secondary analysis aimed to identify patients with an increase in GPx3 activity following selenium treatment. We hypothesize that these responders might benefit from perioperative selenium treatment. METHODS: Patients were selected based on the availability of selenium biomarker information. Four subgroups were defined according to the patient's baseline status, including those with normal kidney function, reduced kidney function, selenium deficiency, and submaximal GPx3 activity. RESULTS: Two hundred and forty-four patients were included in this analysis. Overall, higher serum concentrations of selenium, selenoprotein P (SELENOP) and GPx3 were correlated with less organ injury. GPx3 activity at baseline was predictive of 6-month survival (AUC 0.73; p = 0.03). While selenium treatment elevated serum selenium and SELENOP concentrations but not GPx3 activity in the full patient cohort, subgroup analyses revealed that GPx3 activity increased in patients with reduced kidney function, selenium deficiency and low to moderate GPx3 activity. Clinical outcomes did not vary between selenium treatment and placebo in any of these subgroups, though the study was not powered to conclusively detect differences in outcomes. CONCLUSIONS: The identification of GPx3 responders encourages further refined investigations into the treatment effects of selenium in high-risk cardiac surgery patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 ».