梅斯医学MedSci APP
医路相伴,成就大医

Eur Heart J:数据驱动的房颤相关的循环生物标志物发现和验证

Tags: 数据驱动   房颤   循环生物标志物   发现   验证      作者:xing.T 更新:2019-01-07

未检测到的房颤(AF)是一个主要的健康问题。与AF相关的血液生物标志物可以简化患者对筛查手段的选择,并进一步为正在进行的AF分层预防和治疗研究提供信息。

近日,血管领域权威杂志Eur Heart J上发表了一篇研究文章,研究人员测量了638例连续入院的已诊断为AF或≥2个CHA2DS2-VASc危险因素的患者40种常见血管生物标志物[平均值±标准差为70±12岁,398例(62%)为男性,294例(46%)为AF患者]。通过7天心电图监测排除了阵发性或沉默性AF。使用具有前向选择和机器学习算法的Logistic回归来确定与AF相关的临床危险因素、成像参数和AF相关的生物标志物。

AF与年龄[每年自举比值比(OR)=1.060,95%置信区间为1.04-1.10; P=0.001]、男性[OR=2.022(1.28-3.56); P=0.008]、体重指数[BMI,每单位的OR=1.060(1.02-1.12); P=0.003]、脑利钠肽升高[BNP,每增加1倍的OR=1.293(1.11-1.63); P=0.002]、升高的成纤维细胞生长因子-23 [FGF-23,OR=1.667(1.36-2.34); P=0.001]以及降低的与TNF相关的凋亡诱导的配体受体2[TRAIL-R2,OR=0.242(0.14-0.32); P=0.001]显著相关,但与其他生物标志物无关。与单独的临床风险因素相比,生物标志物改善了AF的预测(净重分类改善=0.178; P<0.001)。Logistic回归和机器学习都在验证期间可很好地预测AF [操作者特征曲线下面积分别为0.684(0.62-0.75)和0.697(0.63-0.76)]。

由此可见,三个简单的临床危险因素(年龄、性别和BMI)和两个生物标志物(升高的BNP和升高的FGF-23)可识别AF患者。需要进一步的研究来阐明AF的FGF-23依赖性机制。

原始出处:

Winnie Chua,et al.Data-driven discovery and validation of circulating blood-based biomarkers associated with prevalent atrial fibrillation.Eur Heart J.https://doi.org/10.1093/eurheartj/ehy815

本文系梅斯医学(MedSci)原创编译整理,转载需授权!

来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录
移动应用
medsci.cn © 2020