Biomarker and cognitive decline in atrial fibrillation: a prospective cohort study
Notice bibliographique
Résumé
We investigated associations of a broad biomarker panel with cognitive decline in atrial fibrillation (AF) patients to characterize possible mechanisms. We enrolled 1440 AF patients with available baseline biomarkers and cognitive testing by the Montreal Cognitive assessment (MoCA) score at inclusion and at ≥ 2 yearly follow-ups. We investigated the associations of biomarkers with cognitive decline in univariate logistic regression models, LASSO regression analysis and built a combined model. Mean age was 72 years, 75% male, 47% paroxysmal AF. Over 4 years, 93 patients (6.5%) had cognitive decline. These patients had more often permanent AF (32.3 vs 21.5%, p = 0.007) and more often a history stroke (23.7 vs 11.2%, p < 0.001), but similar baseline MoCA scores (24.9 vs 25.3 points, p = 0.22) and anticoagulation rates (93.5 vs 89.5%, p = 0.29). The three biomarkers with the highest univariate AUC for cognitive decline were GDF-15 (0.67 [0.62-0.72]), Cystatin C (0.67 [0.61-0.72]) and high-sensitivity Troponin T (hs-TnT) (0.65 [0.60-0.70]). In LASSO regression analysis, the best cross validation included GDF-15, GFAP, ESM-1, NfL and ALAT. The combined prediction model with the highest AUC of 0.73 (0.68-0.78) included IGFBP-7, GDF-15, Cystatin C, hsCRP, ALAT, GFAP, ESM-1 and FGF23. Over 4 years, 6.5% of AF patients had cognitive decline despite a high rate of anticoagulation. Inflammation, neuronal damage, and increased amyloid-beta might be important non-ischemic mechanisms of cognitive decline in AF 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 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 | 0,001 |
| 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 ».