Current Prognostic Biomarkers for Peripheral Arterial Disease: A Comprehensive Systematic Review of the Literature
Notice bibliographique
Résumé
Background: Peripheral arterial disease (PAD) is a chronic atherosclerotic disease characterized by atheromatous plaque buildup within arteries of the lower limbs. It can lead to claudication, skin ulcerations, and, in severe cases, chronic limb-threatening ischemia, requiring amputation. There are several plasma protein biomarkers that have been suggested as prognostic markers for adverse events, including major adverse cardiovascular and limb events. However, the clinical benefit and ability to clinically adapt these biomarkers remains uncertain due to inconsistent findings possibly related to heterogenous study designs and differences in methodology. Objectives: This review aims to evaluate the current literature on the prognostic value of plasma protein biomarkers for PAD, their predictive ability for PAD-related adverse outcomes, and their potential roles in guiding PAD management. Methods: To address these challenges, we conducted a systematic review of MEDLINE, Embase, and Cochrane CENTRAL libraries of the current literature (2010–2024). Results: We found 55 studies that evaluated the prognostic value of 44 distinct plasma proteins across various pathophysiological processes. These included markers of immunity and inflammation, markers of metabolism, cardiac biomarkers, markers of kidney function, growth factors and hormones, markers of coagulation and platelet function, extracellular matrix and tissue remodeling proteins, and transport proteins. This review summarizes the existing evidence for prognostic protein plasma biomarkers for PAD and their association with adverse events related to PAD. Conclusions: With this review, we hope to provide a comprehensive list of the prognostic markers and their value as prognostic biomarkers to guide clinical decision making in these patients.
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 | 0,007 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,014 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».