Blood Monocyte Phenotype Is A Marker of Cardiovascular Risk in Type 2 Diabetes
Notice bibliographique
Résumé
BACKGROUND: Diabetes is a major risk factor for atherosclerotic cardiovascular diseases with a 2-fold higher risk of cardiovascular events in people with diabetes compared with those without. Circulating monocytes are inflammatory effector cells involved in both type 2 diabetes (T2D) and atherogenesis. METHODS: We investigated the relationship between circulating monocytes and cardiovascular risk progression in people with T2D, using phenotypic, transcriptomic, and metabolomic analyses. cardiovascular risk progression was estimated with coronary artery calcium score in a cohort of 672 people with T2D. RESULTS: Coronary artery calcium score was positively correlated with blood monocyte count and frequency of the classical monocyte subtype. Unsupervised k-means clustering based on monocyte subtype profiles revealed 3 main endotypes of people with T2D at varying risk of cardiovascular events. These observations were confirmed in a validation cohort of 279 T2D participants. The predictive association between monocyte count and major adverse cardiovascular events was validated through an independent prospective cohort of 757 patients with T2D. Integration of monocyte transcriptome analyses and plasma metabolomes showed a disruption of mitochondrial pathways (tricarboxylic acid cycle, oxidative phosphorylation pathway) that underlined a proatherogenic phenotype. CONCLUSIONS: In this study, we provide evidence that frequency and monocyte phenotypic profile are closely linked to cardiovascular risk in patients with T2D. The assessment of monocyte frequency and count is a valuable predictive marker for risk of cardiovascular events in patients with T2D. REGISTRATION: URL: https://www.clinicaltrials.gov; Unique identifier: NCT04353869.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».