Prediction of Peripheral Artery Disease Prognosis Using Clinical and Inflammatory Biomarker Data
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.
Notice bibliographique
Résumé
Purpose: Inflammatory biomarkers associated with peripheral artery disease (PAD) have been examined separately; however, an algorithm that includes a panel of inflammatory proteins to inform prognosis of PAD could improve predictive accuracy. We developed predictive models for 2-year PAD-related major adverse limb events (MALE) using clinical/inflammatory biomarker data. Methods: We conducted a prognostic study using 2 phases (discovery/validation models). The discovery cohort included 100 PAD patients that were propensity-score matched to 100 non-PAD patients. The validation cohort included 365 patients with PAD and 144 patients without PAD (non-matched). Plasma concentrations of 29 inflammatory proteins were determined at recruitment and the cohorts were followed for 2 years. The outcome of interest was 2-year MALE (composite of major amputation, vascular intervention, or acute limb ischemia). A random forest model was trained with 10-fold cross-validation to predict 2-year MALE using the following input features: 1) clinical characteristics, 2) inflammatory biomarkers that were expressed differentially in PAD vs non-PAD patients, and 3) clinical characteristics and inflammatory biomarkers. Results: The model discovery cohort was well-matched on age, sex, and comorbidities. Of the 29 proteins tested, 5 were elevated in PAD vs non-PAD patients (MMP-7, MMP-10, IL-6, CCL2/MCP-1, and TFPI). For prognosis of 2-year MALE on the validation cohort, our model achieved AUROC 0.63 using clinical features alone and adding inflammatory biomarker levels improved performance to AUROC 0.84. Conclusion: Using clinical characteristics and inflammatory biomarker data, we developed an accurate predictive model for PAD prognosis. Plain Language Summary: Inflammatory biomarkers associated with peripheral artery disease (PAD) have been examined separately; however, an algorithm that includes an inflammatory protein panel to inform prognosis of PAD may improve predictive accuracy. We developed predictive models for 2-year major adverse limb events (MALE) using clinical characteristics (demographics, comorbidities, and medications) and a panel of 5 PAD-specific inflammatory biomarkers (MMP-7, MMP-10, IL-6, CCL2/MCP-1, and TFPI) that achieved excellent performance on an independent validation cohort (AUROC 0.84). The models developed through this study may support PAD risk-stratification and targeted management strategies. Keywords: inflammatory biomarkers, predictive model, prognosis, peripheral artery disease
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle