Preoperative Plasma TNFR1, TNFR2, and KIM-1 and Long-Term Adverse Events After Cardiac Surgery: The TRIBE-AKI Study
Notice bibliographique
Résumé
Background: Plasma TNFR1, TNFR2, and KIM-1 have been associated with CKD progression in ambulatory patients with/without diabetes. However, their role as predictors of long-term outcomes and their ability to discriminate such outcomes compared to clinical parameters prior to cardiac surgery is unknown. Methods: Prospective, multicenter cohort study of high-risk adults undergoing cardiac surgery (2007-2010). We assessed the association between pre-operative levels of TNFR1, TNFR2, and KIM-1 (natural log-transformed) and long-term mortality, CKD (incidence/progression), and cardiovascular (CV) events. We also examined the potential effect modification of DM status on the relationship between these biomarkers and outcomes. C-statistic analysis was used to quantify the discriminatory ability of the biomarkers beyond the clinical model. Results: 1378 participants (69.1% male) with a mean age: 71.9 ± 9.7, were followed for a median of 5.6 (IQR 4.3-8.6) years. 434 (31.5%) died within the study timeframe, 251 (30%) developed CKD, & 256 (19%) had CV events. After adjustment for covariates, each natural log increase in biomarker concentration was associated with mortality [adjusted HR: TNFR1, 3.0 (95% CI 2.3-4.0); TNFR2, 2.3 (95% CI 1.8-2.9); KIM-1, 2.0 (95% CI 1.6-2.4)]. Similar effect sizes were seen for all 3 biomarkers in their association with CV & CKD events (Figure 1). Baseline DM status did not modify the association between biomarkers and clinical outcomes. The addition of all 3 biomarkers improved discrimination for the 3 outcomes. Conclusions: Preoperative plasma TNFR1, TNFR2, and KIM-1 were independently associated with long-term outcomes after cardiac surgery and improved discrimination compared to standard clinical models. Pre-operative plasma biomarkers may serve with timely risk-stratification and planning to prevent clinical sequela. Funding: Other NIH Support - NIH/NHLB instituteHRs were adjusted for age, sex, race, pre-op clinical & kidney-related parameters.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».