Abstract WP67: Acute ischemic stroke patients with high senescence gene expression have worse outcomes.
Notice bibliographique
Résumé
Introduction: Senescent cells accumulate with advancing age, and exposure to cellular stressors, such as oxidative and inflammatory molecules, which can be circulating in blood. Senescent endothelial cells have altered cellular functions that may influence stroke outcomes. Studying senescence might reveal improved strategies to improve vascular health and prevent stroke or better outcomes. Hypothesis: Acute ischemic stroke patients with enriched senescence gene set expression have worse 90-day stroke outcomes. Methods: In 225 patients with acute ischemic stroke, RNA was isolated from whole blood and transcriptome measured by microarray. Enrichment of senescence genes was assessed using the SenMayo gene set in Gene Set Enrichment Analysis (GSEA). The relationship between the SenMayo senescence score and patients’ 90-day modified Rankin scale (mRS) outcome was determined. Results: SenMayo senescence genes are enriched (p=0.05) in circulation of patients of acute ischemic stroke with bad outcome (90 day mRS>2) and not in patients with good outcomes (90 day mRS≤2) (fig.1). This suggests a role for senescent cells in the pathophysiology of stroke or as a contributing factor to the failure of the patient's full recovery. Conclusion: In acute ischemic stroke patients, increased senescence gene expression is associated with worse stroke outcome. Further evaluation is needed to determine whether targeting senescence could be a strategy to improve outcome in stroke.
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 | 0,000 | 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 ».