P147 Association Between Inflammatory Markers of Low Intention and Arterial Stiffness
Notice bibliographique
Résumé
Abstract Extracellular and biochemical changes in the vessel contribute to the stiffening, this process is determinant for the increase of the Pulse Wave Velocity (PWV) and subsequent increase of the central and brachial arterial pressures [1,2]. These vascular alterations are denominated of TOD (target organ damage) and represent a point of association between cardiovascular risk factors and cardiovascular events [2,3]. Chronic low-grade inflammation associated with endothelial dysfunction and increased number of biomarkers, such as ultra-sensitive C-reactive protein (hsCRP), cytokines such as interleukins, fibrinogen, platelets, leukocytes and hematocrit [4,5,6]. Methods A cross-sectional exploratory study on a representative population of a community in Salvador-Bahia-Brazil. The data came from a including 301 individuals. 150 were initially assessed from December 2016 to May 2019. PWV measurement for the carotid-femoral by an ATCor SphygmoCor, data not demonstrated in this poster. Blood samples were collected to biochemistry analysis, ADVIA1800 ® (SiemensHealthcare Japan/Canada). The committee for research on human was done. Results The data show a predominance of women (65%). Changes in leukocytes, platelets and hematocrit were more prevalent in men, as observed in Table 1. Mean values of changes in ultra-sensitive CRP values were higher in women (0.43) than in men (0, 25). Conclusion Studies correlate the markers evaluated in this study as positive predictive factors for arterial stiffening. Data from the literature show these preliminary changes present in the male population, as observed in our population. The cytokines IL-1, 6 and 18, the chemokines MCP-1 and 3 and the adhesion molecules VCAM, ICAM are being evaluated to better respond to these findings. Table 1 WBC HEMATOCRIT PLATELETS Column B vs Column A WBC vs WBC Ht WOMAN vs Ht MAN PLAT WOMAN vs PLAT MAN Unpaired t -test p- value 0.0004 0.0246 0.0337 p -value summary *** * * Significantly different ( p < 0.05)? Yes Yes Yes One- or two-tailed p -value? Two-tailed Two-tailed Two-tailed t , df t = 4.840, df = 12 t = 2.980, df = 6 t = 2.397, df = 12 How big is the difference? Mean of column A 8950 −3.567 311.3 Mean of column B 5767 3.167 250.2 Difference between means (B - A) ± SEM −3183 ± 657.7 1.197 −61.09 ± 25.49 95% confidence interval −4616 to −1750 −6.496 to -0.6378 −116.6 to −5.553 R squared (eta squared) 0.6613 0.5968 0.3237
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 | 0,000 |
| 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 ».