MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415793851 · doi:10.1161/circ.152.suppl_3.4355216

Abstract 4355216: Nonlinear mixed effect modeling of natriuretic peptides and associations with clinical events in interstage infants with single ventricle heart disease

2025· article· en· W4415793851 sur OpenAlexaff
Elizabeth J. Thompson, Rodrigo Gonzalez Ramirez, Anil R. Maharaj, Henry P. Foote, Karan R. Kumar, Kiona Y. Allen, Alexis Benscoter, Chi D. Hornik, Erica Del Grippo, Brett R. Anderson, Danyal Khan, John Costello, Denise Suttner, Pirooz Eghtesady, Nancy Halnon, Christoph Hornik

Notice bibliographique

RevueCirculation · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiomarkerNatriuretic peptideVentricleClinical endpointBrain natriuretic peptideProspective cohort studyCohortHeart failureHeart disease

Résumé

récupéré en direct d'OpenAlex

Introduction: Infants with single ventricle disease experience high morbidity and mortality, especially in the interstage period between the first and second palliative surgery. Identifying high-risk infants may prompt interventions and improve outcomes. Myocardial stress or stretch triggers release of natriuretic peptides (N-terminal pro-brain natriuretic peptide [NTproBNP]; mid-regional pro-atrial natriuretic peptide [MRproANP]) that may be used as biomarkers. We modeled longitudinal biomarker trajectories and aimed to understand how these relate to clinical events in interstage infants. Methods: We prospectively collected biomarker samples from interstage infants enrolled in a prospective, multicenter study (NCT03877965), excluding preterm infants, those with creatinine >2mg/dL, and those on extracorporeal support. We performed nonlinear mixed effect modeling in NONMEM to describe the two phases of biomarker decline and evaluated covariate effects. We explored associations between model parameters, biomarker concentrations, and clinical events. Results: Across 10 sites, 50 infants contributed 142 MRproANP and 151 NTproBNP plasma samples in the interstage period. Table 1 shows cohort characteristics and clinical events. There was a >15x faster decline in biomarker concentrations in the first month after stage 1 palliation (S1P) which then slowed ( Figure 1A ). A biexponential model ( Table 2 ) with fast and slow elimination phases after S1P best described these trajectories. The coefficient of the slow elimination phase (ECH) of both biomarkers trended higher for in infants who died (median [range] MRproANP 610 [593, 628] v 492 [329, 1309] pmol/L; p=0.05; NTproBNP 13,199 [12,179, 14,219] v 8538 [2838, 27,523] pg/mL, p=0.14; Figure 1B/C ). Absolute NTproBNP concentrations were higher 15-28 days after S1P (14185 [12627, 15743] v 6822 [1672, 17997] pg/mL) in infants who died. Absolute MRproANP and NTproBNP concentrations at 29-60 days after S1P were lower in those with tachyarrhythmias, (219 [192, 411] v 508 [258, 2755] pmol/L; 2977 [939, 5177] v 8341 [726, 65078] pg/mL). Absolute MRproANP concentrations in the same timeframe were higher in those with bradyarrhythmias (704 [369, 2755] v 494 [192, 1191] pmol/L). Conclusion: A biexponential model described biomarker trajectories. An elevated ECH may identify interstage infants at increased risk of death. Utility of serial biomarker measurement to evaluate biomarker trajectories should be explored in future studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,017
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,312
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetHeart Failure Treatment and Management→Travaux en français237 207→