BMP10 reflects pre-capillary pulmonary hemodynamics: association of biomarkers and hemodynamic parameters in pulmonary hypertension
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The role of biomarkers in diagnosing pulmonary hypertension (PH) and distinguishing between pre- and post-capillary PH remains poorly understood. We aimed to identify biomarkers with a strong association with mean pulmonary arterial pressure, mPAP (PH diagnosis) and pulmonary vascular resistance, PVR (pre-capillary component), but not with pulmonary arterial wedge pressure, PAWP (post-capillary component). METHODS: Blood samples were collected in patients undergoing right heart catheterization within a prospective cross-sectional study. Biomarkers measured included BMP10, NT-proBNP, ANG2, ESM1/endocan, FGF23, GDF15, IGFBP7, IL6, MyBPC3, proC3, and proC6/endotrophin. Primary outcomes were mPAP, PVR, and PAWP, while secondary outcomes included PH diagnosis (mPAP > 20 mmHg) and elevated PVR (> 2 Wood units). Multivariable linear and logistic regression models were used to assess the relationship between biomarkers and outcomes. RESULTS: Of the 127 patients included (age 66 ± 13 years, 54% female), 73% were diagnosed with PH. BMP10, NT-proBNP, ANG2, MyBPC3, and FGF23 showed a strong association with mPAP (p < 0.001). BMP10 and NT-proBNP were strongly associated with PVR (p < 0.001), while NT-proBNP and ANG2 were strongly associated with PAWP (p < 0.001). NT-proBNP had the strongest association with the diagnosis of PH (area under the curve = 0.76). BMP10 was the only biomarker associated with elevated PVR (OR 1.60, 95%CI 1.01-2.54, p = 0.04) but not with PAWP (p = 0.86). CONCLUSIONS: Several biomarkers were strongly associated with mPAP, PAWP, and PVR. BMP10 was the only biomarker strongly associated with mPAP and PVR, but not with PAWP, thus reflecting the pre-capillary PH component. Measurement of BMP10 along with NT-proBNP may aid in diagnosing PH.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».