Cardiovascular Risk Prediction Models and Scores in the Era of Personalized Medicine

Sofogianni, Areti; Stalikas, Nikolaos; Antza, Christina; Τζιόμαλος, Κωνσταντίνος

doi:10.3390/jpm12071180

Cited by 37 publications

(26 citation statements)

References 76 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Очевидно, что в эру персонализированной медицины одним из подходов к решению проблемы улучшения стратификации сердечно-сосудистого риска на основе новых или усовершенствованных уже существующих подходов может быть решена путем поиска новых маркеров, в т.ч. их различных сочетаний [11,24,[31][32][33]. Действительно, вопрос об использовании биомаркеров широко обсуждается в литературе, включая анализ достоинств и недостатков уже известных диагностических и/или прогностических инструментов (например, вчСРБ, натрийуретические гормоны, сердечные тропонины), и результаты новейших разработок с использованием омикс-технологий [34].…”

Section: Discussionunclassified

Algorithm for non-invasive diagnosis of obliterating coronary atherosclerosis based on imaging and laboratory markers

Drapkina,

Metelskaya,

Dubinskaya

et al. 2023

Cardiovasc Ther Prev

View full text Add to dashboard Cite

медицинский исследовательский центр терапии и профилактической медицины" Минздрава России. Москва; 2 ФГБУ "Российская медицинская академия непрерывного профессионального образования" Минздрава России. Москва; 3 ГБУЗ города Москвы "ГКБ №15 им. О. М. Филатова ДЗМ". Москва; 4 ФГБОУ ВО "Московский государственный университет им. М. В. Ломоносова". Москва, Россия Цель. С использованием ультразвуковых характеристик сонных и бедренных артерий и ряда лабораторных показателей крови разработать алгоритм неинвазивной диагностики атеросклероза коронарных артерий (КА). Материал и методы. Обследовано 216 пациентов (53% мужчин) в возрасте 24-87 лет (средний возраст 61,5±10,73 лет), поступивших и обследованных в стационаре ФГБУ "НМИЦ ТПМ" Минздрава России в период 2016-2019гг. Всем пациентам была выполнена диагностическая коронароангиография, дуплексное сканирование сонных и бедренных артерий, определен широкий спектр биохимических показателей крови. В соответствии с данными коронароангиографии были сформированы 3 группы пациентов: 1) с отсутствием атеросклероза КА, 2) с субклиническим и 3) с выраженным коронарным атеросклерозом, результаты обследования которых легли в основу разработанного диагностического алгоритма. Результаты. Разработан ступенчатый алгоритм неинвазивной детекции коронарного атеросклероза, который включает биохимические показатели крови на I ступени (глюкоза, высокочувствительный С-реактивный белок, креатинин и адипонектин), визуальную шкалу (ВШ) на II ступени, сочетание клинико-инструментальных параметров (проба Целермайера и переднезадний размер левого предсердия) на III ступени и позволяет выявлять пациентов с разной степенью коронарного поражения (включая субклиническое). Последовательное прохождение пациентом ступеней алгоритма увеличивает шанс выявления атеросклероза КА любой степени в 12,2 раза, а выраженного в 13,8 раз. Заключение. Для обоснования предложения по использованию комбинированной панели рутинно доступных клинико-инструментальных исследований и анализов крови, представленной в виде ступенчатого диагностического алгоритма, целесообразно провести валидацию предложенного алгоритма на независимой когорте или при проспективном наблюдении за исходной когортой пациентов. Ключевые слова: алгоритм диагностический, атеросклероз, коронарные, сонные и бедренные артерии, биохимические показатели, визуализирующие показатели, математические модели. Отношения и деятельность. Исследование выполнено в рамках государственного задания Минздрава России "Диагностические детерминанты болезней системы кровообращения: возможность выявления с помощью протеомного анализа" 2021-2023гг (рег. № 121021100122-3).

show abstract

Section: Discussionunclassified

Algorithm for non-invasive diagnosis of obliterating coronary atherosclerosis based on imaging and laboratory markers

Drapkina,

Metelskaya,

Dubinskaya

et al. 2023

Cardiovasc Ther Prev

View full text Add to dashboard Cite

show abstract

“…Hence, a combination of circulating, cellular, and imaging markers, measured over time, may identify individuals at a high risk of CVD, thus modulating specific treatments [25]. Importantly, the search is warranted for novel circulating cardiovascular risk markers that may improve risk stratification [26], especially in younger women and men [27]. Recently, the European Society of Cardiology and the Lancet Commission [28] both called for a renewed focus from the research community to address and reduce the gap between sexes in prevention, diagnosis and treatment of CVD.…”

Section: Cardiovascular Disease and Its Risk Factorsmentioning

confidence: 99%

Circulating cell-free DNA and its association with cardiovascular disease: what we know and future perspectives

Thorsen,

Moseholm,

Clausen

2023

Current Opinion in Lipidology

View full text Add to dashboard Cite

Purpose of review The aim of this review is to explore a possible link between cell-free DNA (cfDNA) and cardiovascular disease (CVD), which may hold valuable potential for future diagnostics. Recent findings cfDNA has become topic of high interest across several medical fields. cfDNA is used as a diagnostic biomarker in cancer, prenatal care, and transplantation. In addition, cfDNA may play an unrecognized role in biological processes that are involved in or underlying various disease states, for example, inflammation. Elevated levels of cfDNA are associated with various elements of CVD, cardio-metabolic risk factors, and autoimmune diseases. Mitochondrial cfDNA and neutrophil extracellular traps may play distinct roles. Total circulating cfDNA may reflect the unspecific accumulation of stressors and the organism's susceptibility and resilience to such stressors. As such, cfDNA, in a stressful situation, may provide predictive value for future development of CVD. We suggest exploring such possibility through a large-scale prospective cohort study of pregnant women. Summary There is no doubt that cfDNA is a valuable biomarker. For CVD, its potential is indicated but less explored. New studies may identify cfDNA as a valuable circulating cardiovascular risk marker to help improve risk stratification.

show abstract

“…Various CHD predictive models such as Framingham [7], SCORE [8], Reynolds [9], ACC/AHA [10], JBS3 [11], MESA [12], QRISK [13] and China-PAR [14]were developed for predicting CHD incidence, but none has optimal predictive value [15].All those models consider diabetes as an important CHD risk factor, but none considered either insulin resistance or TG, regardless of their proven impact on CHD [15][16][17].…”

Section: Introductionmentioning

confidence: 99%

An innovative model for predicting coronary heart disease using TyG-index: A machine learning-based cohort study

Mirjalili,

Soltani,

HeidaryMeibodi

et al. 2023

Preprint

View full text Add to dashboard Cite

Background Various coronary heart disease (CHD) predictive models have been developed for predicting CHD incidence, but none of them has optimal predictive value. Although these models consider diabetes as an important CHD risk factor, they did not consider insulin resistance or Triglyceride. Methods Two-thousand participants of a community-based Iranian population, aged 20–74 years, were investigated with a mean follow-up of 9.9 years (range: 7.6 to 12.2). The association between TyG-index (a logarithmised combination of fasting blood glucose and triglyceride that demonstrates insulin resistance) and CHD was investigated using multivariate Cox proportional hazard models. Diabetes was substituted for TyG-index in CHD prediction models developed using machine learning. CHD-predicting TyG-index cut-off points were calculated. Results The incidence of CHD was 14.5%.As compared to the lowest quartile of TyG-index, the fourth quartile had a fully adjusted hazard ratio of 2.32 (CI: 1.16–4.68, p-trend 0.04). In order to predict coronary heart disease, TyG-index > 8.42 had the highest negative predictive value. Machine learning models that predicted CHD based on TyG-index performed significantly better than those based on diabetes. TyG-index was not only more important than diabetes in prediction of CHD; it was the most important factor in machine learning models. Conclusion TyG-index can be used in clinical practice and predictive models as a highly valuable index for predicting and preventing CHD.

show abstract

Cardiovascular Risk Prediction Models and Scores in the Era of Personalized Medicine

Cited by 37 publications

References 76 publications

Algorithm for non-invasive diagnosis of obliterating coronary atherosclerosis based on imaging and laboratory markers

Algorithm for non-invasive diagnosis of obliterating coronary atherosclerosis based on imaging and laboratory markers

Circulating cell-free DNA and its association with cardiovascular disease: what we know and future perspectives

An innovative model for predicting coronary heart disease using TyG-index: A machine learning-based cohort study

Contact Info

Product

Resources

About