Prognostischer Wert von löslichem ST2, hoch

Kardiovaskuläre Diabetologie Band 21, Artikelnummer: 180 (2022) Diesen Artikel zitieren

2182 Zugriffe

3 Zitate

7 Altmetrisch

Details zu den Metriken

Patienten mit Typ-2-Diabetes (T2DM) weisen ein erhöhtes Risiko für Herz-Kreislauf-Erkrankungen und eine erhöhte kardiovaskuläre Mortalität auf. Über die etablierte Rolle des natriuretischen Peptids (BNP) des Gehirns und der kardialen Troponine (cTn) hinaus entwickeln sich andere nicht-kardiale Biomarker als Prädiktoren für kardiovaskuläre Ergebnisse bei T2DM.

Bei 568 Patienten mit T2DM und 115 gesunden Kontrollpersonen (CTR) wurden die Serumspiegel der löslichen Unterdrückung der Tumorentstehung 2 (sST2), des hochempfindlichen (hs)-cTnI und des N-terminalen (NT)-proBNP ermittelt. Ihr Zusammenhang mit der Gesamtmortalität und der Entwicklung diabetischer Komplikationen wurde bei T2DM-Patienten über eine mittlere Nachbeobachtungszeit von 16,8 Jahren mithilfe von Cox-Modellen und logistischen Regressionen getestet.

sST2 folgte einem steigenden Trend von CTR zu Patienten mit unkompliziertem T2DM (T2DM-NC) zu Patienten mit mindestens einer Komplikation (T2DM-C), während hs-cTnI bei T2DM-C im Vergleich zur CTR signifikant höher war, jedoch nicht zu T2DM-NC. Es wurde ein abgestufter Zusammenhang zwischen sST2 (HR 2,76 [95 %-KI 1,20–6,33] für ≥ 32,0 ng/ml und 2,00 [1,02–3,94] für 16,5–32,0 ng/ml im Vergleich zu < 16,5 ng/ml, C-Statistik =) gefunden 0,729), NT-proBNP (HR 2,04 [1,90–4,55] für ≥ 337 ng/L und 1,48 [1,05–2,10] für 89–337 ng/L im Vergleich zu < 89 ng/L, C-Statistik = 0,741) und 15-Jahres-Mortalität bei T2DM, wohingegen eine erhöhte Mortalität bei Patienten mit hs-cTnI ≥ 7,8 ng/L beobachtet wurde (HR 1,63 [1,01–2,62]). Ein „Herz-Score“ basierend auf der Kombination von sST2, hs-cTnI und NT-proBNP war signifikant mit der Gesamtmortalität (HR 1,35 [1,19–1,53], C-Statistik = 0,739) und der Entwicklung von CV-Ereignissen verbunden.

sST2, hs-cTnI und NT-proBNP sind mit der 15-Jahres-Mortalität und dem Auftreten kardiovaskulärer Ereignisse bei T2DM verbunden. Der langfristige prognostische Wert von sST2 und seine Fähigkeit, Variablen im Zusammenhang mit Insulinresistenz und damit verbundenen Stoffwechselstörungen zu verfolgen, unterstützen seine Implementierung in die routinemäßige klinische Praxis.

Aktuelle epidemiologische Daten haben gezeigt, dass Typ-2-Diabetes (T2DM) im Vergleich zu Nicht-Diabetikern mit einem zwei- bis vierfach höheren Gesamtrisiko für kardiovaskuläre (CV) Komplikationen einhergeht, selbst nach Anpassung an traditionelle Risikofaktoren [1]. Risikomodelle zur Verwendung bei Personen mit Diabetes umfassen in der Regel keine Informationen von anderen Biomarkern als Cholesterin, glykiertem Hämoglobin (HbA1c) und dem Albumin-Kreatinin-Verhältnis im Urin (UACR), was die Frage aufwirft, ob die Hinzufügung neuer Biomarker die Vorhersage des kardiovaskulären Risikos verbessern würde bei Patienten mit T2DM [2].

Zu den Zusammenhängen einzelner Biomarker mit dem kardiovaskulären Risiko bei Typ-2-Diabetes wurden zahlreiche Belege veröffentlicht, die gleichzeitige Auswertung einer großen Anzahl von Biomarkern in Diabetikerpopulationen war jedoch begrenzt [3,4,5]. In jüngerer Zeit wurde eine Rolle kardialer Biomarker im Rahmen von CV-Outcome-Studien bei T2DM befürwortet [6, 7]. Während ihre Bewertung nachweislich die Unterscheidung und Neuklassifizierung des Risikos der Entwicklung von Endpunkten wie schwerwiegenden unerwünschten kardiovaskulären Ereignissen (MACE) ausnahmslos verbessert [8, 9], besteht immer noch Unsicherheit darüber, ob ihre serielle Messung zur Vorhersage der kardiovaskulären Mortalität nützlich sein könnte oder die kardioprotektiven Vorteile von T2DM-Medikamenten [10,11,12]. Obwohl die herzspezifischen Biomarker natriuretisches Peptid des Gehirns (BNP) und kardiale Troponine (cTn) fest als Eckpfeiler der Diagnose von Herzinsuffizienz (HF) bzw. Myokardschädigung gelten [13], gibt es immer mehr Belege für die Rolle von mehrere nicht kardiale spezifische Biomarker bei der Beschreibung der wichtigsten pathophysiologischen Merkmale von Herzinsuffizienz, d. h. Entzündung, oxidativer Stress, Umbau der extrazellulären Matrix, neurohormonelle Aktivierung, Myozytenschädigung und Stress [14, 15]. Unter anderem erwies sich die lösliche Unterdrückung von Tumorentstehung-2 (sST2), einem Mitglied der Interleukin-1-Rezeptorfamilie, als effizienter prognostischer Biomarker für Patienten mit chronischer Herzinsuffizienz [16]. sST2 wird hauptsächlich in extrakardialen Geweben als Reaktion auf proinflammatorische und profibrotische Reize produziert [17]. Indem es als zirkulierender Lockvogel für Interleukin-33 (IL-33) fungiert, verhindert es die kardioprotektiven Wirkungen der ST2/IL-33-Signalübertragung und fördert so die maladaptive Myokardhypertrophie und die Apoptose der Kardiomyozyten [18]. Während eine Reihe von Beobachtungsstudien die sST2-Spiegel bei T2DM untersucht haben [19, 20], sind die Daten zu seiner prognostischen Rolle auf kurze Nachbeobachtungszeiträume beschränkt, und sein inkrementeller Wert gegenüber den etablierten kardialen Biomarkern – BNP und cTn – wurde nicht umfassend ermittelt beurteilt.

Das Hauptziel der vorliegenden Studie bestand darin, den Zusammenhang von hochempfindlichem (hs)-cTnI, N-terminalem (NT)-proBNP und sST2, allein oder in Kombination, mit der Gesamtmortalität und der Entwicklung diabetischer Komplikationen zu untersuchen. einschließlich MACE, bei Patienten mit T2DM. Darüber hinaus wollten wir die Werte dieser Biomarker zwischen Patienten mit T2DM und gesunden Kontrollpersonen vergleichen und ihre Korrelationen mit Variablen bewerten, die die Blutzuckerkontrolle, Organschäden und klinische Merkmale von T2DM bewerten.

Die Proben wurden aus einer zuvor veröffentlichten Kohorte entnommen, die aus 568 Patienten mit T2DM und 618 vermutlich gesunden Kontrollpersonen bestand [21]. Patienten und Kontrollpersonen wurden zwischen Mai 2003 und November 2006 in der Abteilung für Stoffwechselkrankheiten und Diabetologie des IRCCS INRCA rekrutiert. Alle T2DM-Patienten (Durchschnittsalter = 67 Jahre, IQR 61–72 Jahre) und 115 zufällig ausgewählte Alters- und Geschlechtspatienten stimmten vermutlich überein In die vorliegende Untersuchung wurden gesunde Kontrollpersonen (CTR) (Durchschnittsalter = 68 Jahre, IQR 62–73 Jahre) einbezogen. T2DM wurde gemäß den ADA-Kriterien diagnostiziert, d. dl, wenn schwere Diabetessymptome vorliegen [22]. Einschlusskriterien für Patienten mit Diabetes waren BMI < 40 kg/m2, Alter 40–87 Jahre, Fähigkeit und Bereitschaft zur schriftlichen Einwilligung nach Aufklärung.

Die in die CTR-Gruppe aufgenommenen Probanden wurden einer medizinischen Untersuchung unterzogen, die eine vollständige Anamnese und klinische Untersuchung umfasste. Probanden mit einer klinischen Vorgeschichte von koronarer Herzkrankheit, Schlaganfall und peripheren Gefäßerkrankungen wurden von der Studie ausgeschlossen. Als Hypertonie wurde ein systolischer Blutdruck > 140 mm Hg und/oder ein diastolischer Blutdruck > 90 mm Hg definiert. Probanden mit entweder einer positiven Vorgeschichte von Diabetes mellitus oder einem Nüchternblutzucker ≥ 126 mg/dl nach Bestätigung durch Wiederholungstests wurden als Diabetiker betrachtet und ausgeschlossen. Nüchternblutproben aller Probanden wurden zur Gewinnung von Serum verarbeitet und bei –80 °C gelagert.

Die Studie wurde vom Institutional Review Board des IRCCS INRCA-Krankenhauses genehmigt (Genehmigungsnummer 34/CdB/03). Von jedem Teilnehmer wurde eine schriftliche Einverständniserklärung gemäß den Grundsätzen der Deklaration von Helsinki eingeholt.

Alle Serumproben wurden vor der Analyse auf Hämolyse untersucht. Die sST2-Serumspiegel wurden auf einem Atellica® CH 930-Analysegerät (Siemens Healthineers, Deutschland) unter Verwendung des turbidimetrischen Latexkügelchen-Immunoassays Sequent-IA™ ST2 Assay (Critical Diagnostics, USA) bestimmt, das derzeit in Europa unter der CE-IVD-Kennzeichnung erhältlich und vorgesehen ist zur Prüfung durch die US-amerikanische FDA eingereicht werden. Der Assay verwendet dasselbe Paar monoklonaler Antikörper, die im von der FDA zugelassenen Presage® ST2 Assay (Critical Diagnostics) verwendet werden. Der Linearitätsbereich beträgt 15–300 ng/ml, die Intra- und Inter-Assay-CVs liegen bei 6,5 % bzw. 8,6 % bei einer sST2-Konzentration von 26 ng/ml. Bei einer sST2-Konzentration von 75 ng/ml betragen die CV-Werte 2,8 % bzw. 3,8 %. Serum-hs-cTnI und NT-proBNP wurden auf einem automatischen Chemieanalysator Dimension Vista® 1500 unter Verwendung der hochempfindlichen Troponin I (TNIH)- und NT-proBNP (PBNP)-Assays Dimension Vista® (Siemens Healthineers, Deutschland) basierend auf LOCI® bewertet Technologie. Für den TNIH-Assay betragen die Leerwertgrenze (LoB), die Nachweisgrenze (LoD) und die Quantifizierungsgrenze (LoQ) 1,0 ng/L, 2,0 ng/L bzw. 3,0 ng/L. Der vom Hersteller angegebene Linearitätsbereich liegt bei 3,0–25.000,0 ng/L. Die für Serum bestimmten 99. Perzentile betragen 51,1 ng/L für Frauen und 74,9 ng/L für Männer. Für den PBNP-Assay betragen LoB, LoD und LoQ 0,2 ng/L, 0,8 ng/L und 5,0 ng/L. Der vom Hersteller angegebene Linearitätsbereich liegt bei 5,0–35.000,0 ng/L. Zum Vergleich der hs-cTnI-Methoden wurde eine Untergruppe von Serumproben auf einem Architect i1000SR Immunoassay-Analysegerät unter Verwendung des ARCHITECT STAT High Sensitivity Troponin-I-Assays (Abbott Diagnostics, Illinois, USA) bewertet. LoB, LoD und LoQ betragen 0,7–1,3 ng/L, 1,1–1,9 ng/L bzw. 1,5–2,9 ng/L. Der vom Hersteller angegebene Linearitätsbereich liegt bei 3,0–25.000,0 ng/L. Die für Lithium-Heparin-Plasma ermittelten 99. Perzentile betragen 53,7 ng/L für Frauen und 78,5 ng/L für Männer. Die folgenden Grenzwerte werden vom Hersteller zur Stratifizierung des Risikos einer kardiovaskulären Erkrankung bei asymptomatischen Personen empfohlen: Männer, niedrig, < 6 ng/ml, mäßig, 6–12 ng/ml, hoch > 12 ng/ml; Frauen, niedrig, < 4 ng/ml, mäßig, 4–10 ng/ml, hoch > 10 ng/ml.

Als Outcome-Ereignisse wurden das Neuauftreten von MACE (bei Patienten ohne MACE-Vorgeschichte zum Zeitpunkt der Aufnahme), T2DM-Komplikationen (bei Patienten ohne Vorgeschichte von T2DM-Komplikationen zum Zeitpunkt der Aufnahme) und Gesamtmortalität gemessen. MACE wurde definiert als das nicht tödliche Auftreten eines Myokardinfarkts, eines Herzstillstands, eines kardiogenen Schocks, einer lebensbedrohlichen Arrhythmie oder eines Schlaganfalls. Darüber hinaus wurde ein zusammengesetzter Endpunkt aus MACE und Gesamtmortalität bewertet. Follow-up-Informationen zu den Ergebnissen wurden aus den Krankenakten vom Datum der Einschreibung (Mai 2003–November 2006) bis zum letzten Tag der Follow-up (31. Dezember 2019) gesammelt. Insbesondere wurden Follow-up-Informationen zum BMI, zur Blutzuckerkontrolle (HbA1c), zur Nierenfunktion (eGFR, Albumin-Kreatinin-Verhältnis im Urin) und zur Entwicklung von T2DM-Komplikationen, einschließlich MACE, gesammelt.

Für alle Teilnehmer wurden Informationen zu Vitalfunktionen, anthropometrischen Daten, Krankengeschichte, Verhalten, Bewegung und Begleitbehandlungen gesammelt. Die Blutzellzahl und die biochemischen Variablen wurden bei allen Probanden nach Standardverfahren beurteilt. Die geschätzte glomeruläre Filtrationsrate (eGFR) wurde gemäß der CKD-EPI-Gleichung (Chronic Kidney Disease Epidemiology Collaboration) basierend auf Serumkreatinin, Alter, Geschlecht und ethnischer Zugehörigkeit berechnet. Das Vorliegen diabetischer Komplikationen wurde wie zuvor beschrieben festgestellt [23]. Die diabetische Retinopathie wurde durch Fundoskopie anhand erweiterter Pupillen und/oder Fluoreszenzangiographie beurteilt; Eine beginnende Nephropathie wurde als eine Albumin-Ausscheidungsrate im Urin von > 30 mg/24 Stunden und eine normale Kreatinin-Clearance definiert. Neuropathie wurde durch Elektromyographie festgestellt; Die ischämische Herzkrankheit wurde durch die klinische Vorgeschichte und/oder ischämische elektrokardiographische Veränderungen definiert. Eine periphere arterielle Verschlusskrankheit, einschließlich Atherosclerosis obliterans und zerebrovaskuläre Erkrankungen, wurde anhand der Anamnese durch körperliche Untersuchungen und Doppler-Geschwindigkeitsmessung definiert. Zu Studienbeginn waren 103 Patienten von Neuropathie, 53 von atherosklerotischer Gefäßerkrankung, 84 von schweren unerwünschten kardiovaskulären Ereignissen (MACE), 74 von Nephropathie und 156 von Retinopathie betroffen.

Kontinuierliche Variablen wurden basierend auf ihrer Verteilung entweder als Mittelwert und Standardabweichung oder als Median und Interquartilbereich angegeben (bewertet mit dem Shapiro-Wilk-Test). Für die Analyse wurden Biomarkerkonzentrationen unterhalb des LoQ durch den LoQ dividiert durch die Quadratwurzel von 2 ersetzt. Zum Vergleich der Serum-Herzbiomarker zwischen den Gruppen wurden der Mann-Whitney-U-Test und der Kruskal-Wallis-, gefolgt von einem Dunn-Post-hoc-Test verwendet. Kategoriale Variablen wurden mit dem χ2-Test verglichen. Die Korrelation nach Spearman wurde verwendet, um Korrelationen zwischen kontinuierlichen Variablen zu bewerten. Zwei-Wege-ANCOVA wurde verwendet, um geschlechtsspezifische Unterschiede in den Serumspiegeln der Herzbiomarker zwischen den Gruppen zu untersuchen. Multivariate ANCOVAs unter Verwendung logarithmisch transformierter Konzentrationen von sST2, NT-proBNP und hs-cTnI als abhängige Variablen, T2DM-Komplikationen als Faktoren und Alter, Geschlecht und HbA1c als Kovariaten wurden erstellt, um Faktoren zu identifizieren, die mit T2DM-Komplikationen und -Behandlungen verbunden sind. Es werden univariate Tests für Post-hoc-Vergleiche berichtet. Pfeile zeigen einen signifikanten Anstieg der abhängigen Variablen bei Komplikationen/Behandlungen an. Der Zusammenhang zwischen den Werten kardialer Biomarker (sST2, NT-proBNP und Dimension Vista hs-cTnI) und den Follow-up-Endpunkten wurde mithilfe von Kaplan-Meier-Kurven und einer Cox-Proportional-Hazards-Analyse (angepasst an Geschlecht, Alter, Raucherstatus, Bluthochdruck, T2DM-Dauer, BMI, HbA1c, Blutfette, eGFR und hs-CRP) mit 95 %-Konfidenzintervallen. Zur Bewertung der Assoziationen mit den Endpunkten, die MACE umfassen, wurden logistische Regressionen verwendet, da die meisten Ereignisse nicht genau datierbar waren. Die optimalen Grenzwerte für sST2, hs-cTnI und NT-proBNP zur Vorhersage des Überlebens bei T2DM-Patienten wurden mithilfe des Evaluate Cutpoints R-Pakets berechnet [24]. Biomarker wurden als kontinuierliche oder kategorisierte Variablen in das Modell eingepasst. Basierend auf den berechneten Grenzwerten wurde jeder Biomarker in niedrig, mittel und hoch kategorisiert. Der Stufe jeder Variablen wurde eine Punktzahl von 1–3 zugewiesen (1 = niedrig, 2 = mittel, 3 = hoch, gemäß den zuvor definierten Grenzwerten) und die jedem der drei Biomarker zugewiesenen Punkte wurden summiert, um eine Herzfrequenz zu erhalten Score‘, der zwischen 3 und 9 lag. Eine Sensitivitätsanalyse wurde durchgeführt, indem eine Teilmenge von 238 T2DM-Proben mit dem alternativen Abbott Architect i-STAT High-Sensitive Troponin I-Assay bewertet wurde. Die Cox-Proportional-Hazard-Analyse wurde wie oben beschrieben durchgeführt und umfasste nur die Proben, die mit der Architect hs-cTnI-Methode getestet wurden. Die Ergebnisse der beiden Methoden wurden mithilfe von Bland-Altman-Diagrammen und der Passing-Bablok-Regression verglichen. Lediglich zum Methodenvergleich wurden Architect hs-cTnI-Konzentrationen unterhalb des Dimension Vista hs-cTnI LoQ durch den Dimension Vista LoQ dividiert durch die Quadratwurzel von 2 ersetzt. Basierend auf den Ergebnissen der multivariablen Cox-Regressionsanalyse wurde ein Nomogramm zur Vorhersage von 5- Das 10- und 15-Jahres-Überleben bei Typ-2-Diabetes wurde mit dem „hdnom“-Paket (Version 6.0.0) für R erstellt [25]. Konkret wurde für die gesamte Stichprobe ein bestraftes Cox-Regressionsmodell durchgeführt, das mit einem adaptiven LASSO-Verfahren unter Verwendung einer zehnfachen Kreuzvalidierung trainiert wurde. Die Leistung des Nomogramms wurde anhand von 100 Bootstrap-Proben und einem Validierungssatz bewertet, der ein Drittel der Originalproben umfasste. Die prädiktive Wirksamkeit wurde anhand interner und externer Kalibrierungs- und Diskriminierungsstatistiken bewertet. Die Neuklassifizierung wurde anhand der kontinuierlichen Netto-Neuklassifizierungsverbesserung (NRI>0) bewertet [26]. Die Signifikanz wurde als p < 0,05 akzeptiert. Alle Daten wurden mit R (Version 4.1), der Jamovi-Software (Version 2.3.1) und der Software SPSS 26.0 für Windows (SPSS Inc.; Chicago, IL, USA) analysiert.

Es wurden Serumproben von insgesamt 683 Probanden analysiert, darunter 568 Patienten mit Typ-2-Diabetes (T2DM) und 115 alters- und geschlechtsgleichen, vermutlich gesunden Kontrollpersonen (CTR). Die Merkmale der Ausgangsprobanden sind in Tabelle 1 aufgeführt. Die beiden Probandengruppen unterschieden sich signifikant in Bezug auf eine Reihe von Variablen im Zusammenhang mit anthropometrischen Daten, Lipidprofil und Blutzuckerkontrolle. Nach einer mittleren Nachbeobachtungszeit von 16,8 (IQR: 13,1–16,8) Jahren waren 202 Patienten verstorben (35,6 %) und 7 Patienten (1,2 %) konnten nicht mehr nachuntersucht werden. Die mittlere Überlebenszeit betrug 14,3 (95 %-KI 13,9–14,7) Jahre. Zum Zeitpunkt der Aufnahme hatten 309 (54,4 %) Patienten mindestens eine Komplikation. Von den 259 Patienten (45,6 %) mit unkompliziertem T2DM zum Zeitpunkt der Aufnahme entwickelten 159 Patienten (61,4 %) mindestens eine Komplikation. Das Überleben war bei T2DM-Patienten ohne Komplikationen höher als bei Patienten mit mindestens einer Komplikation (Log-Rank-Test, p <0,001; Zusatzdatei 1: Abbildung S1).

Die mittleren Serum-sST2- (21,8 vs. 19,1 ng/ml, p < 0,0001) und hs-cTnI-Spiegel (6,1 vs. 5,7 ng/l, p = 0,0077) waren bei T2DM-Patienten höher als bei CTR, während bei NT-Patienten kein signifikanter Unterschied beobachtet wurde. proBNP (62 vs. 69 ng/L, p = 0,453) (Abb. 1A). Wie erwartet waren die Verteilungen der Konzentrationen stark rechtsschief (Schiefekoeffizient, sST2 = 5,33, hs-cTnI = 9,38, NT-proBNP = 5,64; Zusatzdatei 1: Abbildung S2). Daher wurden für die nachfolgenden Analysen die drei Variablen logarithmisch transformiert. Rohe und transformierte Konzentrationen sind in der Zusatzdatei 1: Tabelle S1 angegeben.

Ein Vergleich von Serum-sST2, Dimension Vista hs-cTnI und NT-proBNP zwischen gesunden Kontrollpersonen (CTR) und Patienten mit Typ-2-Diabetes (T2DM). Die Daten sind Median und IQR. P-Werte für den Mann-Whitney-U-Test. B Verteilung von logarithmisch transformiertem sST2, hs-cTnI und NT-proBNP unter CTR und Patienten mit unkompliziertem (T2DM-NC) oder kompliziertem (T2DM-C) Diabetes. P-Werte für Dunns Post-hoc-Tests. C Log-transformiertes sST2, hs-cTnI und NT-proBNP in CTR, T2DM-NC und T2DM-C, gruppiert nach Geschlecht. P-Werte für den Post-hoc-Tukey-Test nach zweifaktorieller ANOVA.

Als T2DM-Patienten nach dem Vorliegen von Komplikationen kategorisiert wurden, folgte ln(sST2) einem steigenden Trend, mit den höchsten Werten in der Gruppe der T2DM mit Komplikationen (T2DM-C) (p < 0,001). Ein signifikanter Anstieg der ln(cTnI)-Werte wurde bei T2DM-C-Patienten im Vergleich zu T2DM-Patienten ohne Komplikationen (T2DM-NC) (p < 0,001) und CTR (p = 0,026) beobachtet, während zwischen T2DM-NC kein signifikanter Unterschied beobachtet wurde und CTR (p = 0,466). Die Konzentrationen von NT-proBNP waren in der CTR im Vergleich zu T2DM-NC (p = 0,040) und in T2DM-C im Vergleich zu T2DM-NC (p < 0,001) höher. Die Werte der einzelnen Biomarker in den Gruppen sind in Abb. 1B dargestellt. Bei der Untersuchung geschlechtsspezifischer Unterschiede stellten wir fest, dass ln(sST2) bei Männern mit T2DM höher war (zweistufige ANOVA, p < 0,001). Andererseits war ln (NT-proBNP) bei Frauen signifikant höher (p = 0,008) und es wurden keine signifikanten geschlechtsspezifischen Unterschiede für ln (cTnI) beobachtet (p = 0,071) (Abb. 1C).

Anschließend untersuchten wir die Korrelationen zwischen den drei kardialen Biomarkern, ausgedrückt als ln, und den verfügbaren biochemischen Variablen. Wie erwartet zeigten die drei Biomarker einen signifikanten Grad an reziproker Korrelation, wobei hs-cTnI und NT-proBNP den höchsten Korrelationskoeffizienten aufwiesen (Spearman-Rho = 0,47, p < 0,001). Die Korrelationsdiagramme in Abb. 2 fassen Spearmans Korrelationskoeffizienten für jedes Variablenpaar in den CTR- und T2DM-Gruppen zusammen. Die vollständige Korrelationsmatrix ist als Zusatzdatei 1 verfügbar: Tabelle S2. Bemerkenswerterweise zeigten hs-cTnI und NT-proBNP, jedoch nicht sST2, eine signifikant positive Korrelation mit dem Alter. Diese Korrelationen mit dem Alter waren besonders deutlich bei CTR-Patienten (hs-cTnI, ρ = 0,29, p = 0,001; NT-proBNP, ρ = 0,59, p < 0,001), wohingegen schwächere Korrelationen bei T2DM-Patienten beobachtet wurden (hs-cTnI, ρ). = 0,26, p < 0,001; NT-proBNP, ρ = 0,49, p < 0,001). Nur hs-cTnI und NT-proBNP zeigten eine signifikant positive Korrelation mit der Krankheitsdauer. Bemerkenswert ist, dass sST2 der einzige Biomarker war, der ein signifikantes Muster positiver Korrelationen mit Variablen im Zusammenhang mit der Blutzuckerkontrolle zeigte, einschließlich Nüchternglukose, HbA1c und HOMA-Index sowie Leberfunktionstests bei T2DM. Darüber hinaus wurden positive Korrelationen für sST2 und hs-cTnI mit dem Taille-Hüft-Verhältnis bei T2DM beobachtet. Die hs-cTnI- und NT-proBNP-Spiegel stiegen mit der Verschlechterung der Nierenfunktion, während hs-cTnI und in geringerem Maße NT-proBNP ein klares Muster der Assoziation mit dem Lipidprofil zeigten, mit umgekehrten Korrelationen mit LDL-C und Gesamtcholesterin. Bezüglich des systemischen Entzündungsstatus standen die drei Biomarker in direktem Zusammenhang mit hs-CRP und Neutrophilen-% und umgekehrt mit Lymphozyten-%. NT-proBNP stand auch in direktem Zusammenhang mit IL-6 und Fibrinogen. Bemerkenswerterweise standen sST2 und NT-proBNP in einem positiven Zusammenhang mit der Plasmakonzentration von GDF-15, einem innovativen Biomarker für Herzinsuffizienz [27], den wir zuvor in einer Untergruppe von Patienten untersucht hatten [28].

Spearmans Korrelationsdiagramme für CTR-Probanden und Patienten mit T2DM. Die Intensität der Farbe hängt von der Größe der Korrelation ab. Nichtsignifikante Korrelationen werden gekreuzt.

Um die Auswirkung jeder T2DM-Komplikation und -Behandlung auf die Werte von sST2, hs-cTnI und NT-proBNP zu untersuchen, wurden mehrere MANCOVA-Tests, gefolgt von einfaktoriellen ANOVAs mit Tukeys Post-hoc-Tests, nach Anpassung an Alter, Geschlecht usw. berechnet HbA1c (Zusatzdatei 1: Tabelle S3). Die NT-proBNP-Spiegel waren bei Patienten mit beiden Komplikationen höher, hs-cTnI war bei allen T2DM-Komplikationen mit Ausnahme der Nephropathie höher. Bemerkenswert ist, dass die sST2-Werte, die bei kompliziertem T2DM höher waren, nicht durch das Vorliegen spezifischer Komplikationen beeinflusst wurden. Bei T2DM-Behandlungen wurden bei Patienten unter Insulintherapie höhere Werte der drei Biomarker beobachtet.

Anschließend wollten wir bewerten, ob sST2, hs-cTnI und NT-proBNP allein oder in Kombination in der Lage waren, das 15-Jahres-Überleben bei T2DM-Patienten vorherzusagen, und ob sie einen signifikanten Beitrag zu einem Referenzmodell leisteten, das die relevantesten klinischen und biochemischen Daten enthielt Prädiktoren, z. B. Geschlecht, Alter, Raucherstatus, Bluthochdruck, T2DM-Dauer, BMI, HbA1c, Blutfette, eGFR und hs-CRP, unter Verwendung von Kaplan-Maier- und univariablen und multivariablen Cox-Regressionsmethoden. Zunächst wurden sST2, hs-cTnI und NT-proBNP in drei Gruppen eingeteilt (dh niedrig, mittel und hoch). Die Grenzwerte für T2DM-Patienten, die berechnet wurden, um die Unterschiede in der Überlebensvorhersage zwischen den Gruppen zu maximieren, waren wie folgt: sST2; niedrig, < 16,5 ng/ml; hoch, ≥ 32,0 ng/ml; hs-cTnI; niedrig, < 4,2 ng/L; hoch, ≥ 7,8 ng/L; NT-proBNP; niedrig, < 89 ng/L; hoch, ≥ 337 ng/L.

Alle kardialen Biomarker zeigten bei der univariaten Analyse signifikante Korrelationen mit der Gesamtmortalität bei T2DM (Tabelle 2). Multiple Cox-Regressionen, bereinigt um die Störfaktoren, zeigten einen signifikanten Zusammenhang zwischen sST2 und Mortalität bei T2DM-Patienten (Modell-C-Statistik = 0,729, 95 %-KI 0,696–0,762). Konkret hatten Patienten mit hohen sST2-Spiegeln im Vergleich zu Patienten mit niedrigen Serumspiegeln ein etwa dreifach erhöhtes Sterberisiko. Ebenso wurde ein erhöhtes Risiko bei Patienten mit hohen hs-cTnI-Spiegeln beobachtet (C-Statistik = 0,729, 95 %-KI 0,694 – 0,764). In Bezug auf NT-proBNP (C-Statistik = 0,741, 95 %-KI 0,706–0,776) hatten Personen mit mittleren und höheren Werten ein etwa 1,5- bzw. 3-fach erhöhtes Sterberisiko. Entsprechende Kaplan-Meier-Kurven sind in Abb. 3A, B, C dargestellt

Kaplan-Meier-Überlebensschätzungen für A sST2, B Dimension Vista hs-cTnI, C NT-proBNP, D „Herz-Score“. Modelle angepasst an Geschlecht, Alter, Raucherstatus, Bluthochdruck, T2DM-Dauer, BMI, HbA1c, Blutfette, eGFR und hs-CRP

Um die Vorhersagegenauigkeit der drei Biomarker zu verbessern, haben wir dem Niveau jedes Markers eine Bewertung zugewiesen (1 = niedrig, 2 = mittel, 3 = hoch, gemäß den zuvor definierten Grenzwerten) und ein Gesamtmaß im Bereich von 3 bis berechnet 9, indem die jeder Variablen zugewiesenen Bewertungen summiert werden. Der kombinierte „Herz-Score“ war unabhängig mit dem Gesamtmortalitätsrisiko verbunden (C-Statistik = 0,739, 95 %-KI: 0,706–0,772), wobei Patienten in der „mittleren“ Kategorie ein etwa doppelt so hohes Sterberisiko hatten wie Patienten in der Kategorie „hoch“ mit einem etwa 3,5-fach erhöhten Sterberisiko (Tabelle 2). Die entsprechenden Kaplan-Meier-Kurven sind in Abb. 3D dargestellt. Darüber hinaus war bei Betrachtung des „Herz-Scores“ als kontinuierliche Variable jeder Punktanstieg mit einem signifikant erhöhten Sterberisiko verbunden (HR: 1,35, 95 %-KI 1,19–1,53). Alle drei Biomarker sowie der Herz-Score verbesserten die C-Statistik des Referenzmodells (Zusatzdatei 1: Tabelle S4). Die kategoriefreien, kontinuierlichen NRIs > 0 des Vorhersagemodells, die durch Hinzufügen der kardialen Biomarker als kategoriale Variablen zum klassischen Risikofaktormodell erhalten wurden, betrugen 0,402 (95 %-KI 0,093–0,717), 0,302 (95 %-KI 0,105–0,493) und 0,335 (95 %-KI 0,081–0,586) nach 5, 10 bzw. 15 Jahren Nachbeobachtung.

Der kombinierte Score wurde auch mit dem zusammengesetzten Endpunkt Gesamttod oder MACE bei T2DM-Patienten ohne MACE-Vorgeschichte getestet. Eine binomiale logistische Regression, angepasst an Geschlecht, Alter, BMI, HbA1c, Blutfette, eGFR und hs-CRP, ergab, dass der Score mit einer erhöhten Wahrscheinlichkeit von Gesamtmortalität oder MACE verbunden ist (für einen Anstieg um 1 Punkt ODER: 1,34, 95 % CI 1,11–1,62) (Zusatzdatei 1: Tabelle S5). Das Diagramm in Abb. 4A zeigt die Wahrscheinlichkeit der Entwicklung des Ergebnisses entsprechend der Bewertung, während die ROC-Kurve für das Modell (Sensitivität 75,8 %; Spezifität 62,8 %; AUC: 0,770) in Abb. 4B dargestellt ist. Keiner der Biomarker oder ihre Kombination war mit einem erhöhten Risiko für die Entwicklung jeder T2DM-Komplikation verbunden (Daten nicht gezeigt).

Ein marginales Mittelwertdiagramm, das die Wahrscheinlichkeit der Entwicklung des zusammengesetzten Endpunkts Tod oder MACE bei T2DM-Patienten zeigt, basierend auf dem logistischen Regressionsmodell einschließlich „Herz-Score“ als Prädiktor (95 %-KI in Grau). B ROC-Kurve für das logistische Regressionsmodell.

Als zusätzliche Sensitivitätsanalyse wurde eine Untergruppe von 238 T2DM-Proben mit dem Abbott Architect i-STAT High-Sensitive Troponin I-Assay getestet, der die CE-Zulassung für die Vorhersage von MACE bei Personen ohne klinische Anzeichen einer Herzerkrankung erhielt. Die Verteilung der hs-cTnI-Konzentrationen ist in der Zusatzdatei 1: Abbildung S3A dargestellt. Die hs-cTnI-Konzentrationen lagen zwischen 1,1 und 67,6 ng/L. Die mittlere hs-cTnI-Konzentration betrug 8,8 ng/L, die mittlere Konzentration betrug 5,8 ng/L (IQR 3,9–9,2 ng/L). Ein Vergleich der beiden hs-cTnI-Assays unter Verwendung einer Passing-Bablok-Regression ergab einen guten Grad an Korrelation (y = 0,13 + 0,94 x, 95 %-KI-Steigung 0,83–1,07, 95 %-KI-Achsenabschnitt − 0,47–0,55); Zusatzdatei 1: Abbildung S3B). Die Bland-Altman-Analyse ergab eine mittlere Abweichung von 3,7 ng/L (95 %-KI 1,3–6,2 ng/ml) zugunsten des Dimension Vista-Assays. Der prozentuale Bias betrug 7,7 %. Die untere Übereinstimmungsgrenze (LLA) lag bei -34,0 ng/L und die obere Übereinstimmungsgrenze (ULA) bei 41,4 ng/L (Zusatzdatei 1: Abbildung S3C). Nach dem Herausfiltern von Proben mit einem Mittelwert der beiden Tests > 40 ng/L (resultierend n = 224) wurde eine nicht signifikante Abweichung von 0,2 ng/L (95 %-KI -0,8–1,1) beobachtet. Die prozentuale Abweichung betrug 2,4 %, und der LLA und der ULA betrugen -13,7 ng/L bzw. 14,0 ng/L (Zusatzdatei 1: Abbildung S3D).

Die Fähigkeit des Architect hs-cTnI-Assays, das Überleben von T2DM-Patienten vorherzusagen, wurde ebenfalls getestet. Zunächst wurden zwei Grenzwerte, nämlich 4,4 ng/L und 7,5 ng/L, basierend auf der besten Vorhersageleistung berechnet. Daher wurde hs-cTnI, neu kodiert als kategoriale Variable (niedrig, mittel, hoch), in das angepasste Cox-Regressionsmodell eingepasst, das nur für die Proben berechnet wurde, die mit der Architect-Methode bewertet wurden. Ähnlich wie beim Dimension Vista hs-cTnI-Assay wurde bei Patienten mit hohen hs-cTnI-AB-Werten (≥ 7,5 ng/l) im Vergleich zu Patienten mit niedrigen Werten (< 4,4 ng/l) ein erhöhtes Sterberisiko beobachtet (HR: 2,97, 95 % CI 1,52–5,79), während bei Patienten mit mittleren Werten kein Anstieg des Mortalitätsrisikos beobachtet wurde (Zusatzdatei 1: Tabelle S6). Interessanterweise wurde auch bei der Stratifizierung der T2DM-Patienten nach den vom Hersteller bereitgestellten geschlechtsspezifischen Risikokategorien ein signifikant erhöhtes Mortalitätsrisiko für Patienten in der Hochrisikokategorie bestätigt (HR: 2,10, 95 %-KI 1,11–4,00).

Basierend auf den Ergebnissen der Cox-Regressionsmodelle wurden ein adaptives LASSO-Regressionsmodell und eine multivariate Cox-Regressionsanalyse berechnet, um das Überleben nach 5, 10 und 15 Jahren bei Typ-2-Diabetes auf der Grundlage der folgenden Variablen vorherzusagen: Alter, Geschlecht, HbA1c, eGFR , Blutfette, hs-CRP und die kardialen Biomarker sST2, Dimension Vista hs-cTnI und NT-proBNP als kategoriale Variablen. Zu diesem Zweck wurde die Stichprobe nach dem Zufallsprinzip in Trainings- (n = 375) und Validierungsdatensätze (n = 186) aufgeteilt, mit ungefähr gleichen Anteilen verstorbener Personen. Geschlecht, eGFR und Blutfette wurden durch das LASSO-Verfahren ausgeschlossen. Abbildung 5A stellt das Modell in Form eines Nomogramms dar, das die langfristigen Überlebenswahrscheinlichkeiten entsprechend einem bestimmten Gesamtscore liefert. Der Gesamtscore für einen Patienten ergibt sich aus der Addition der Scores für jeden der sieben Prädiktoren. Eine interne Validierung mit Bootstrap-Resampling, die am Trainingsdatensatz durchgeführt wurde, zeigte, dass die AUCs für das Nomogramm zur Vorhersage der Gesamtmortalität nach 5, 10 und 15 Jahren 0,685, 0,770 und 0,758 betrugen (Zusatzdatei 1: Abbildung S4A), während die AUCs für die Der Validierungsdatensatz betrug 0,760, 0,772 und 0,795 nach 5, 10 bzw. 15 Jahren (Abb. 5B). Die internen und externen Kalibrierungsdiagramme zeigten eine gute Übereinstimmung und Korrelation zwischen den beobachteten und vorhergesagten Werten (Zusatzdatei 1: Abbildung S4B). Basierend auf dem durch das Nomogramm vorhergesagten Risikoprofil wurden vier homogene Patientengruppen erstellt und Kaplan-Meier-Überlebenskurven erstellt (Abb. 5C). Der Log-Rank-Test bestätigte, dass die Überlebenskurven der nach dem Nomogramm-basierten Mortalitätsrisiko-Score gruppierten Patienten signifikant unterschiedlich waren (p = 7,9 × 10–26).

Ein Nomogramm zur Vorhersage des Gesamtüberlebens bei Patienten mit Typ-2-Diabetes. Die jeder Variablen zugewiesenen Punkte werden summiert, um die Gesamtpunktzahl zu erhalten, und es kann eine vertikale Linie gezogen werden, um die entsprechende Überlebenswahrscheinlichkeit zu erhalten. B Leistung des Modells basierend auf dem externen Validierungsdatensatz. Die Modellflächen unter der Kurve (AUCs) für jedes Jahr werden angezeigt. C Kaplan-Meier-Überlebensfunktion für Patienten mit Typ-2-Diabetes gemäß Quartilen des nomogrammbasierten Mortalitätsrisikoscores

In unserer retrospektiven Studie haben wir beobachtet, dass sST2 und in geringerem Maße NT-proBNP einem zunehmenden Trend von CTR zu T2DM-Patienten mit mindestens einer Komplikation (T2DM-C) folgten. Andererseits war ein Anstieg der hs-cTnI-Spiegel, bestimmt mit der Dimension Vista-Methode, nur bei T2DM-C erkennbar. Frühere Beobachtungsstudien zeigten einen Zusammenhang zwischen sST2 und T2DM, obwohl widersprüchliche Ergebnisse hinsichtlich der Schwere der Erkrankung im Hinblick auf Komplikationen berichtet wurden. Fousteris et al. zeigten, dass sST2 bei T2DM-Patienten im Vergleich zu gesunden Kontrollpersonen höher war, es wurde jedoch kein Unterschied bei T2DM-Patienten beobachtet, die nach dem Vorliegen einer linksventrikulären diastolischen Dysfunktion gruppiert wurden [29]. Diese Ergebnisse wurden durch eine umfassendere Auswertung des Serum-sST2 bei 3‘450 Teilnehmern der Framingham Heart Study Offspring-Kohorte bestätigt [30]. Bemerkenswert ist, dass sST2 der einzige Biomarker war, der einen klaren Zusammenhang mit der Blutzuckerkontrolle bei T2DM zeigte, insbesondere eine direkte Korrelation mit Nüchternglukose, HbA1c und HOMA-Index, im Einklang mit früheren Berichten über kleinere Kohorten von T2DM [20] und gesunden [ 31] Einzelpersonen. Darüber hinaus wurde bei T2DM-Patienten ein ausschließliches Muster positiver Korrelationen zwischen sST2 und Markern der Leberfunktion wie AST, ALT, Gamma-GT und ALP beobachtet. Bei Lebererkrankungen, wie sie bei Leberfibrose und Hepatitis B beobachtet werden [32], setzen gestresste Hepatozyten IL-33 frei, das nachweislich Hepatozyten schützt, indem es gleichzeitig die Expression proapoptotischer Gene unterdrückt und antiapoptotische Gene aktiviert [33]. Daher ist es denkbar, dass bei Patienten mit T2DM die hohen sST2-Spiegel diesen Signalweg abschwächen und so die Anhäufung von Leberschäden im Zusammenhang mit der Insulinresistenz beschleunigen.

Bezüglich der Nierenfunktion beobachteten wir in Übereinstimmung mit mehreren früheren Berichten erhöhte Werte von hs-cTnI und NT-proBNP mit abnehmender eGFR und höhere Werte des letzteren bei diabetischer Nephropathie [34,35,36]. Während die NT-proBNP-Akkumulation mit einer Verschlechterung der Nierenfunktion eine intrinsische Einschränkung dieses Biomarkers darstellt, konnte gezeigt werden, dass der Rückgang der Nierenfunktion während der Therapie einer akuten dekompensierten Herzinsuffizienz mit verbesserten Ergebnissen verbunden ist, solange die NT-proBNP-Spiegel sinken, was dies unterstützt Einbeziehung des Biomarkers für kongestive Herzinsuffizienz als Leitfaden für die Interpretation eines akuten Rückgangs der Nierenfunktion bei Patienten, die wegen akuter dekompensierter Herzinsuffizienz aufgenommen wurden [37]. Im Gegensatz dazu war sST2 weder mit der Nierenfunktion noch mit dem Vorliegen einer diabetischen Nephropathie verbunden. Diese besondere Eigenschaft ebnete den Weg für Studien zur Beurteilung der prognostischen Relevanz von sST2 bei Patienten mit Niereninsuffizienz. Tatsächlich erwies sich sST2 als unabhängiger prognostischer Marker [38, 39] und als Prädiktor für das Auftreten von Herzinsuffizienz bei Patienten mit chronischer Nierenerkrankung [40].

Bei der Untersuchung spezifischer T2DM-Komplikationen wurden NT-proBNP und hs-cTnI unabhängig von Alter, Geschlecht und Blutzuckerkontrolle mit Neuropathie, atherosklerotischen Gefäßerkrankungen und Retinopathie in Verbindung gebracht. Interessanterweise wurde der Zusammenhang zwischen hs-cTnI und diabetischer Neuropathie in einer aktuellen Studie untersucht, die zeigt, dass hs-TnT negativ mit der Integrität des Ischiasnervs und positiv mit dem Neuropathie-Behinderungs-Score korreliert [41]. NT-proBNP und hs-cTnI waren bei Patienten mit MACE in der Vorgeschichte höher, was die Integrität der Proben nach der Lagerung und die Gültigkeit der anamnestischen Informationen bestätigt.

Wir führten eine Längsschnittauswertung von T2DM-Patienten durch, um zu beurteilen, ob die kardialen Biomarker sST2, Dimension Vista hs-cTnI und NT-proBNP mit der 15-Jahres-Gesamtmortalität und der Entwicklung von MACE assoziiert waren, und passten das Gesamtmodell zur Vorhersage in ein Nomogramm an 5-, 10- und 15-Jahres-Überlebensrate. Bemerkenswert ist, dass alle drei Biomarker unabhängig voneinander die Mortalität nach Anpassung an die relevantesten kardiovaskulären Risikofaktoren vorhersagten. Insbesondere hatten Patienten mit einem Serum-sST2 ≥ 32 ng/ml ein 2,8-fach erhöhtes Sterberisiko im Vergleich zu Patienten mit einem sST2 < 16,5 ng/ml. Die beiden Grenzwerte wurden berechnet, um die Signifikanz der Vorhersage zu maximieren. Bemerkenswert ist, dass unser Grenzwert zur Identifizierung von Personen mit dem höchsten Risiko dem Grenzwert von 35 ng/ml ähnelte, der für die Vorhersage schlechter Ergebnisse bei chronischer Herzinsuffizienz ermittelt wurde [42]. Während mehrere Berichte über den prognostischen Wert von sST2 bei Patienten mit bestehender CVD vorliegen, ist dies unseres Wissens nach die erste Studie, die den langfristigen prognostischen Wert von sST2 bei T2DM-Patienten bewertet. Daten aus dem Atherosklerose-Register Tor Vergata zeigten, dass hohe sST2-Werte die Gesamtmortalität und kardiovaskuläre Mortalität in einer Kohorte von 399 Patienten mit atherosklerotischer Erkrankung (mittlere Nachbeobachtungszeit von 75 Monaten) vorhersagen, einschließlich Probanden mit eingeschränkter Glukosetoleranz von T2DM, die dies hatten höchste sST2-Werte [20]. Eine kurzfristige (180 Tage) Nachbeobachtungsstudie an Patienten mit T2DM und Huntington-Krankheit zeigte, dass sST2-Werte > 54 ng/ml mit einem höheren Risiko für Tod und Rehospitalisierung aus kardiovaskulären Gründen verbunden waren [43]. Eine andere Studie zeigte, dass Plasma-sST2-Spiegel ≥ 19 ng/ml die Entwicklung von MACEs und anderen kardiovaskulären Endpunkten bei Patienten mit CAD nach Anpassung an Alter, Geschlecht und Vorliegen von T2DM signifikant vorhersagen [19].

Wie erwartet bestätigten unsere Daten, dass auch NT-proBNP und hs-cTnI unabhängig voneinander mit der Gesamtmortalität bei T2DM assoziiert waren, obwohl der Zusammenhang mit hs-cTnI in dem Modell, das alle drei Biomarker umfasste, verloren ging. NT-proBNP erwies sich bei der Vorhersage von Todesfällen und kardiovaskulären Ereignissen bei Hochrisikopatienten mit T2DM als ebenso diskriminierend wie ein Modell von 20 herkömmlichen klinischen und Laborvariablen [44]. Eine Sekundäranalyse der ADVANCE-Studie zeigte, dass NT-proBNP und hs-cTnT über einen Nachbeobachtungszeitraum von 5 Jahren stark mit einem erhöhten Risiko für MACE und Tod verbunden waren, selbst nach umfassender Anpassung etablierter und neuer klinischer Prädiktoren für das Ergebnis bei T2DM [45]. Nachdem wir schließlich festgestellt hatten, dass jeder dieser Biomarker mit spezifischen biochemischen Merkmalen der Krankheit zusammenhängt, berechneten wir einen kombinierten „Herz-Score“, indem wir die Punkte summierten, die dem Niveau jedes Biomarkers (niedrig, mittel oder hoch) zugeordnet wurden. Bemerkenswert ist, dass der erhaltene Score ein signifikanter unabhängiger Prädiktor für die Mortalität bei T2DM war. Patienten mit einem Score ≥ 8, was mindestens zwei Biomarkern in den höchsten Werten entspricht, hatten ein 3,6-fach erhöhtes Sterberisiko, während das Risiko bei Patienten mit einem Score zwischen 5 und 7 um das 1,8-fache erhöht war. Der Score war auch unabhängig mit dem zusammengesetzten Endpunkt assoziiert, der durch Gesamtmortalität und MACE bei T2DM-Patienten ohne MACE in der Vorgeschichte bestimmt wurde. Während über diesen kombinierten Ansatz ausführlich für die prognostische Stratifizierung von Patienten mit bestehender CVD berichtet wurde [46,47,48], liegen bisher keine Daten zu klinisch heterogenen Kohorten von T2DM-Patienten vor.

Schließlich ergab der Vergleich zweier verschiedener hs-cTnI-Methoden, d. h. des Dimension Vista®- und des Architect i-Stat-Assays, eine gute Übereinstimmung mit einer vernachlässigbaren Abweichung für mittlere hs-cTnI-Konzentrationen unter 40 ng/ml, wie in beobachtet > 90 % der getesteten Proben. Es muss jedoch beachtet werden, dass zwischen den beiden in dieser Studie verwendeten hs-cTnI-Methoden zuvor erhebliche Unterschiede hinsichtlich des analytischen Designs immunometrischer Systeme, der analytischen Leistung und der gemessenen Biomarkerkonzentration, insbesondere im Hinblick auf das 99. Perzentil, berichtet wurden Werte [49]. Diese Unterschiede in den analytischen Eigenschaften und der klinischen Leistung zwischen den Immunoassays von Architect und Siemens verhindern eine gute Harmonisierung der gemessenen Biomarkerkonzentrationen, sofern keine spezifischen Rekalibrierungsverfahren angewendet werden [50]. Aus diesen Gründen wurden in dieser Studie die mit verschiedenen Methoden ermittelten hs-cTnI-Konzentrationen separat analysiert. Wenn der Architect-Assay als kategoriale Variable betrachtet wurde, war er mit der Mortalität bei T2DM assoziiert, wobei Personen in der Gruppe mit den höchsten Werten ein dreifach erhöhtes Sterberisiko aufwiesen. Unsere Studie bestätigt die Ergebnisse der Bewertung von hs-cTnI mithilfe des Architect-Assays in einer Untergruppe von 1.704 T2DM-Patienten aus der Atherosclerosis Risk in Communities (ARIC)-Studie, die zeigten, dass hs-cTnI unabhängig mit dem Modell assoziiert war und dieses signifikant verbesserte Diskriminierung hinsichtlich des Gesamtmortalitätsrisikos und des kardiovaskulären Mortalitätsrisikos [51].

Die vorliegende Studie weist Einschränkungen auf, die behoben werden müssen. Erstens wurde zum Zeitpunkt der Aufnahme keiner der Patienten mit den neuartigen Antidiabetika behandelt, und ihre schrittweise Einführung im Laufe der Nachbeobachtungszeit hätte sich erheblich auf die Ergebnisse auswirken können. Zweitens wurden die glykämischen und Lipidziele im Laufe der Zeit durchgesetzt, was sich auf die Belastung durch kardiovaskuläre Risikofaktoren bei unseren Patienten auswirkte. Drittens waren keine Zwischeninformationen zum Grad der Blutzuckerkontrolle und zu biochemischen Variablen im Zusammenhang mit T2DM-Komplikationen (z. B. Albumin-Kreatinin-Verhältnis im Urin) sowie zum Mortalitätsergebnis für CTR-Patienten verfügbar. Allerdings wurden die aufgenommenen T2DM-Patienten ständig von einer speziellen Einrichtung überwacht, die sich strikt an die neuesten Pflegestandards hielt und die Entwicklung von Komplikationen regelmäßig überwachte, was durch den sehr geringen Anteil der Patienten, die an die Nachbeobachtung verloren gingen (1,2 %), bestätigt wurde. ). Wichtig ist, dass zum Zeitpunkt der Einschreibung anamnestische Informationen zur Vorgeschichte von MACE- und CV-Medikamenten verfügbar waren. Die Proben wurden gesammelt und während des gesamten Nachbeobachtungszeitraums bei –80 ° C gelagert. Spezielle Serumaliquots wurden nur für die vorliegende Studie verwendet. Im Hinblick auf die Nachsorge von CTR-Probanden werden in naher Zukunft Informationen zum Überleben und zu den Todesursachen gesammelt, sodass wir bewerten können, wie sich T2DM auf die Fähigkeit kardialer Biomarker auswirkt, das Überleben vorherzusagen.

Die Ergebnisse der vorliegenden Studie bestätigten, dass sST2, hs-cTnI und NT-proBNP mit der Mortalität und dem Auftreten von MACE bei Patienten mit Typ-2-Diabetes assoziiert sind. Ihre Fähigkeit, verschiedene Krankheitsmerkmale, einschließlich Insulinresistenz und damit verbundene Stoffwechselstörungen, zu verfolgen, und ihr additiver Wert bei der Vorhersage des Überlebens unterstützen ihre routinemäßige Beurteilung bei der Nachsorge von T2DM-Patienten. Darüber hinaus fördern die Möglichkeit, einige der Einschränkungen herkömmlicher kardialer Biomarker teilweise zu überwinden, und die Verfügbarkeit eines vollautomatischen Tests mit CE-IVD-Kennzeichnung die Einführung von sST2 als Biomarker für das kardiovaskuläre Risiko bei gesunden Personen und im Zusammenhang mit damit verbundenen Krankheiten mit erhöhtem CV-Risiko.

Die während der aktuellen Studie generierten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Typ 2 Diabetes mellitus

Herz-Kreislauf

Natriuretisches Peptid des Gehirns

Herztroponin

Lösliche Unterdrückung der Tumorentstehung 2

N-terminales proBNP

Kontrolle

Verhältnis von Urinalbumin zu Kreatinin

Schwerwiegende unerwünschte kardiovaskuläre Ereignisse

Herzinsuffizienz

Oraler Glukosetoleranz-Test

Geschätzte glomeruläre Filtrationsrate

Netto-Reklassifizierungsverbesserung

Geringster absoluter Schrumpfungs- und Auswahloperator

Bhupathiraju SN, Hu FB. Epidemiologie von Fettleibigkeit und Diabetes und ihren kardiovaskulären Komplikationen. Zirkelres. 2016;118(11):1723–35.

Artikel PubMed PubMed Central CAS Google Scholar

Bachmann KN, Wang TJ. Biomarker für Herz-Kreislauf-Erkrankungen: Beiträge zur Risikovorhersage bei Personen mit Diabetes. Diabetologie. 2018;61(5):987–95.

Artikel PubMed CAS Google Scholar

Looker HC, Colombo M, Agakov F, Zeller T, Groop L, Thorand B, et al. Proteinbiomarker zur Vorhersage von Herz-Kreislauf-Erkrankungen bei Typ-2-Diabetes. Diabetologie. 2015;58(6):1363–71.

Artikel PubMed CAS Google Scholar

Gerstein HC, Pare G, McQueen MJ, Haenel H, Lee SF, Pogue J, et al. Identifizierung neuer Biomarker für kardiovaskuläre Ereignisse oder Tod bei Menschen mit Dysglykämie. Verkehr. 2015;132(24):2297–304.

Artikel PubMed CAS Google Scholar

van der Leeuw J, Beulens JW, van Dieren S, Schalkwijk CG, Glatz JF, Hofker MH, et al. Neuartige Biomarker zur Verbesserung der Vorhersage des kardiovaskulären Ereignisrisikos bei Typ-2-Diabetes mellitus. J Am Heart Assoc. 2016. https://doi.org/10.1161/JAHA.115.003048.

Artikel PubMed PubMed Central Google Scholar

Sattar N, Petrie MC, Zinman B, Januzzi JL Jr. Neuartige Diabetes-Medikamente und der Herz-Kreislauf-Spezialist. J Am Coll Cardiol. 2017;69(21):2646–56.

Artikel PubMed CAS Google Scholar

Carbone S, Dixon DL. Das CANVAS-Programm: Auswirkungen von Canagliflozin auf die Reduzierung des kardiovaskulären Risikos bei Patienten mit Typ-2-Diabetes mellitus. Herz-Kreislauf-Diabetol. 2019;18(1):64.

Artikel PubMed PubMed Central Google Scholar

Scirica BM, Bhatt DL, Braunwald E, Raz I, Cavender MA, Im K, et al. Prognostische Implikationen von Biomarker-Bewertungen bei Patienten mit Typ-2-Diabetes mit hohem kardiovaskulären Risiko: eine Sekundäranalyse einer randomisierten klinischen Studie. JAMA Cardiol. 2016;1(9):989–98.

Artikel PubMed Google Scholar

Gori M, Gupta DK, Claggett B, Selvin E, Folsom AR, Matsushita K, et al. Natriuretisches Peptid und hochempfindliches Troponin zur Vorhersage des kardiovaskulären Risikos bei Diabetes: Studie zum Atheroskleroserisiko in Gemeinden (ARIC). Diabetes-Behandlung. 2016;39(5):677–85.

Artikel PubMed PubMed Central CAS Google Scholar

Cosentino F, Grant PJ, Aboyans V, Bailey CJ, Ceriello A, Delgado V, et al. 2019 ESC-Leitlinien zu Diabetes, Prädiabetes und Herz-Kreislauf-Erkrankungen, entwickelt in Zusammenarbeit mit der EASD. Eur Heart J. 2020;41(2):255–323.

Artikel PubMed Google Scholar

Berg DD, Docherty KF, Sattar N, Jarolim P, Welsh P, Jhund PS, et al. Serielle Bewertung von hochempfindlichem kardialem Troponin und der Wirkung von Dapagliflozin bei Patienten mit Herzinsuffizienz mit reduzierter Ejektionsfraktion: eine Analyse der DAPA-HF-Studie. Verkehr. 2022;145(3):158–69.

Artikel PubMed CAS Google Scholar

Jarolim P, White WB, Cannon CP, Gao Q, Morrow DA. Serielle Messung natriuretischer Peptide und kardiovaskulärer Ergebnisse bei Patienten mit Typ-2-Diabetes in der Untersuchungsstudie. Diabetes-Behandlung. 2018;41(7):1510–5.

Artikel PubMed CAS Google Scholar

Haller PM, Beer BN, Tonkin AM, Blankenberg S, Neumann JT. Rolle kardialer Biomarker in der Epidemiologie und den Risikoergebnissen. Clin Chem. 2021;67(1):96–106.

Artikel PubMed Google Scholar

Ibrahim NE, Gaggin HK, Konstam MA, Januzzi JL. Etablierte und neue Rollen von Biomarkern in klinischen Studien zur Herzinsuffizienz. Herzinsuffizienz. 2016. https://doi.org/10.1161/CIRCHEARTFAILURE.115.002528.

Artikel PubMed Google Scholar

Ibrahim NE, Januzzi JL Jr. Etablierte und neue Rolle von Biomarkern bei Herzinsuffizienz. Zirkelres. 2018;123(5):614–29.

Artikel PubMed CAS Google Scholar

Aimo A, Januzzi JL Jr, Bayes-Genis A, Vergaro G, Sciarrone P, Passino C, et al. Klinische und prognostische Bedeutung von sST2 bei Herzinsuffizienz: JACC-Rezensionsthema der Woche. J Am Coll Cardiol. 2019;74(17):2193–203.

Artikel PubMed CAS Google Scholar

Ghali R, Altara R, Louch WE, Cataliotti A, Mallat Z, Kaplan A, et al. IL-33 (Interleukin 33)/sST2-Achse bei Bluthochdruck und Herzinsuffizienz. Hypertonie. 2018;72(4):818–28.

Artikel PubMed CAS Google Scholar

Kakkar R, Lee RT. Der IL-33/ST2-Weg: therapeutisches Ziel und neuer Biomarker. Nat Rev Drug Discov. 2008;7(10):827–40.

Artikel PubMed PubMed Central CAS Google Scholar

Li M, Duan L, Cai Y, Hao B, Chen J, Li H, et al. Prognostischer Wert der löslichen Unterdrückung von Tumorentstehung-2 (sST2) für kardiovaskuläre Ereignisse bei Patienten mit koronarer Herzkrankheit mit und ohne Diabetes mellitus. Herz-Kreislauf-Diabetol. 2021;20(1):49.

Artikel PubMed PubMed Central CAS Google Scholar

Cardellini M, Rizza S, Casagrande V, Cardolini I, Ballanti M, Davato F, et al. Lösliches ST2 ist ein Biomarker für kardiovaskuläre Mortalität im Zusammenhang mit einem abnormalen Glukosestoffwechsel bei Hochrisikopersonen. Acta Diabetol. 2019;56(3):273–80.

Artikel PubMed CAS Google Scholar

Bonfigli AR, Spazzafumo L, Prattichizzo F, Bonafe M, Mensa E, Micolucci L, et al. Leukozyten-Telomerlänge und Mortalitätsrisiko bei Patienten mit Typ-2-Diabetes. Oncotarget. 2016;7(32):50835–44.

Artikel PubMed PubMed Central Google Scholar

Diabetes Ein Amerikaner. 2 Klassifizierung und Diagnose von Diabetes: Standards der medizinischen Versorgung bei Diabetes – 2021. Diabetes-Behandlung. 2021;44(Suppl 1):S15–33.

Artikel Google Scholar

Sabbatinelli J, Castiglione S, Macrì F, Giuliani A, Ramini D, Vinci MC, et al. Zirkulierende Mengen an AGEs und löslichen RAGE-Isoformen sind mit der Gesamtmortalität und der Entwicklung kardiovaskulärer Komplikationen bei Typ-2-Diabetes verbunden: eine retrospektive Kohortenstudie. Herz-Kreislauf-Diabetol. 2022;21(1):95.

Artikel PubMed PubMed Central CAS Google Scholar

Ogluszka M, Orzechowska M, Jedroszka D, Witas P, Bednarek AK. Grenzwerte auswerten: Anpassbares kontinuierliches Datenverteilungssystem zur Bestimmung des Überlebens im Kaplan-Meier-Schätzer. Computermethodenprogramme Biomed. 2019;177:133–9.

Artikel PubMed Google Scholar

Xiao N, Xu QS, Li MZ. hdnom: Erstellen von Nomogrammen für bestrafte Cox-Modelle mit hochdimensionalen Überlebensdaten. bioRxiv. 2016;41:065524.

Google Scholar

Pencina MJ, D'Agostino RB Sr., Steyerberg EW. Erweiterungen der Nettoreklassifizierungsverbesserungsberechnungen, um den Nutzen neuer Biomarker zu messen. Stat Med. 2011;30(1):11–21.

Artikel PubMed Google Scholar

Wesseling M, de Poel JHC, de Jager SCA. Wachstumsdifferenzierungsfaktor 15 bei unerwünschter kardialer Umgestaltung: vom Biomarker zum kausalen Akteur. ESC-Herzinsuffizienz. 2020;7(4):1488–501.

Artikel PubMed PubMed Central Google Scholar

Conte M, Sabbatinelli J, Chiariello A, Martucci M, Santoro A, Monti D, et al. Krankheitsspezifische Plasmaspiegel der Mitokine FGF21, GDF15 und Humanin bei Typ-II-Diabetes und Alzheimer-Krankheit im Vergleich zum gesunden Altern. Gerowissenschaften. 2021;43(2):985–1001.

Artikel PubMed CAS Google Scholar

Fousteris E, Melidonis A, Panoutsopoulos G, Tzirogiannis K, Foussas S, Theodosis-Georgilas A, et al. Das Toll/Interleukin-1-Rezeptormitglied ST2 weist bei Typ-2-Diabetes höhere lösliche Werte auf, insbesondere wenn es mit einer linksventrikulären diastolischen Dysfunktion einhergeht. Herz-Kreislauf-Diabetol. 2011;10:101.

Artikel PubMed PubMed Central CAS Google Scholar

Ho JE, Sritara P, deFilippi CR, Wang TJ. Test auf lösliches ST2 in der Allgemeinbevölkerung. Bin J Cardiol. 2015;115(7 Suppl):22B-B25.

Artikel PubMed Google Scholar

Hasan A, Aldhahi W. Die lösliche Unterdrückung der Tumorigenität 2 steht in direktem Zusammenhang mit glykiertem Hämoglobin bei Personen mit einer durchschnittlichen Glykämie im Normal-/Prädiabetes-Bereich. Diabetes Metab Syndr Obes. 2020;13:2711–8.

Artikel PubMed PubMed Central CAS Google Scholar

Oztas E, Kuzu UB, Zengin NI, Kalkan IH, Saygili F, Yildiz H, et al. Können Serum-ST2-Spiegel als Marker für Fibrose bei chronischer Hepatitis-B-Infektion verwendet werden? Medizin. 2015;94(47):e1889.

Artikel PubMed PubMed Central CAS Google Scholar

Weiskirchen R, Tacke F. Interleukin-33 in der Pathogenese der Leberfibrose: alarmierende ILC2 und hepatische Sternzellen. Zellmol Immunol. 2017;14(2):143–5.

Artikel PubMed Google Scholar

Potter JM, Simpson AJ, Kerrigan J, Southcott E, Salib MM, Koerbin G, et al. Die Beziehung zwischen Plasmakreatinin (als eGFR) und hochempfindlichen kardialen Troponin- und NT-proBNP-Konzentrationen in einer Krankenhaus- und ambulanten Population. Klinik Biochem. 2017;50(15):813–5.

Artikel PubMed CAS Google Scholar

Bansal N, Hyre Anderson A, Yang W, Christenson RH, deFilippi CR, Deo R, et al. Hochempfindliches Troponin T und N-terminales natriuretisches Pro-B-Typ-Peptid (NT-proBNP) und Risiko einer Herzinsuffizienz bei Patienten mit chronischer Niereninsuffizienz: die Kohortenstudie zur chronischen Niereninsuffizienz (CRIC). J Am Soc Nephrol. 2015;26(4):946–56.

Artikel PubMed CAS Google Scholar

Birukov A, Eichelmann F, Kuxhaus O, Polemiti E, Fritsche A, Wirth J, et al. Gegensätzliche Assoziationen von NT-proBNP mit dem Diabetesrisiko und diabetesbedingten Komplikationen. Diabetes-Behandlung. 2020;43(12):2930–7.

Artikel PubMed PubMed Central CAS Google Scholar

McCallum W, Tighiouart H, Kiernan MS, Huggins GS, Sarnak MJ. Zusammenhang zwischen der Verschlechterung der Nierenfunktion und NT-proBNP mit dem Mortalitäts- und Wiedereinweisungsrisiko bei akuter dekompensierter Herzinsuffizienz. Bin J Med. 2020;133(1):115-e22.

Artikel PubMed CAS Google Scholar

Bayes-Genis A, Zamora E, de Antonio M, Galan A, Vila J, Urrutia A, et al. Lösliche ST2-Serumkonzentration und Nierenfunktion bei Herzinsuffizienz. J-Kartenfehler. 2013;19(11):768–75.

Artikel PubMed CAS Google Scholar

[ PMC kostenloser Artikel ] [ PubMed ] Alam ML, Katz R, Bellovich KA, Bhat ZY, Brosius FC, de Boer IH, et al. Lösliches ST2 und Galectin-3 und Fortschreiten der CKD. Nieren-Int.-Repräsentant. 2019;4(1):103–11.

Artikel PubMed Google Scholar

Bansal N, Zelnick L, Go A, Anderson A, Christenson R, Deo R, et al. Kardiale Biomarker und das Risiko einer Herzinsuffizienz bei chronischer Nierenerkrankung: die CRIC-Studie (Chronic Renal Insuficiency Cohort). J Am Heart Assoc. 2019;8(21): e012336.

Artikel PubMed PubMed Central Google Scholar

Jende JME, Groener JB, Kender Z, Hahn A, Morgenstern J, Heiland S, et al. Troponin T weist Parallelen zu strukturellen Nervenschäden bei Typ-2-Diabetes auf: eine Querschnittsstudie mittels Magnetresonanzneurographie. Diabetes. 2020;69(4):713–23.

Artikel PubMed CAS Google Scholar

Daniels LB, Bayes-Genis A. Verwendung von ST2 bei Herz-Kreislauf-Patienten: eine Übersicht. Zukünftiges Cardiol. 2014;10(4):525–39.

Artikel PubMed CAS Google Scholar

Ruocco G, Evangelista I, Franci B, Lucani B, Martini S, Nuti R, et al. Kombination von ST2 und natriuretischem B-Typ-Peptid bei Diabetikern mit akuter Herzinsuffizienz: Zusammenhang mit ventrikulärer Steifheit und Ergebnis. J Cardiovasc Med. 2019;20(2):81–90.

Artikel CAS Google Scholar

Malachias MVB, Jhund PS, Claggett BL, Wijkman MO, Bentley-Lewis R, Chaturvedi N, et al. NT-proBNP allein sagt Tod und kardiovaskuläre Ereignisse bei Hochrisikopatienten mit Typ-2-Diabetes mellitus voraus. J Am Heart Assoc. 2020;9(19):e017462.

Artikel PubMed PubMed Central CAS Google Scholar

Hillis GS, Welsh P, Chalmers J, Perkovic V, Chow CK, Li Q, et al. Die relative und kombinierte Fähigkeit von hochempfindlichem kardialem Troponin T und N-terminalem natriuretischem Pro-B-Typ-Peptid, kardiovaskuläre Ereignisse und Tod bei Patienten mit Typ-2-Diabetes vorherzusagen. Diabetes-Behandlung. 2014;37(1):295–303.

Artikel PubMed CAS Google Scholar

Zagidullin N, Motloch LJ, Gareeva D, Hamitova A, Lakman I, Krioni I, et al. Kombination neuartiger Biomarker zur Risikostratifizierung der zweijährigen kardiovaskulären Mortalität bei Patienten mit ST-Hebungs-Myokardinfarkt. J Clin Med. 2020;9(2):550.

Artikel PubMed Central CAS Google Scholar

Emdin M, Aimo A, Vergaro G, Bayes-Genis A, Lupon J, Latini R, et al. sST2 sagt das Ergebnis bei chronischer Herzinsuffizienz über NT-proBNP und hochempfindliches Troponin T hinaus voraus. J Am Coll Cardiol. 2018;72(19):2309–20.

Artikel PubMed CAS Google Scholar

Pascual-Figal DA, Lax A, Perez-Martinez MT, del Carmen AL, Sanchez-Mas J, Netzwerk G. Klinische Relevanz von sST2 bei Herzerkrankungen. Clin Chem Lab Med. 2016;54(1):29–35.

Artikel PubMed CAS Google Scholar

Clerico A, Ripoli A, Zaninotto M, Masotti S, Musetti V, Ciaccio M, et al. Direkter Vergleich der Plasma-cTnI-Konzentrationswerte, die mit drei hochempfindlichen Methoden in einer großen italienischen Population gesunder Freiwilliger und Patienten gemessen wurden, die mit akutem Koronarsyndrom in die Notaufnahme eingeliefert wurden: eine multizentrische Studie. Clin Chim Acta. 2019;496:25–34.

Artikel PubMed CAS Google Scholar

Clerico A, Zaninotto M, Padoan A, Ndreu R, Musetti V, Masotti S, et al. Harmonisierung zweier hs-cTnI-Methoden basierend auf einer Neukalibrierung gemessener Qualitätskontroll- und klinischer Proben. Clin Chim Acta. 2020;510:150–6.

Artikel PubMed CAS Google Scholar

Tang O, Matsushita K, Coresh J, Ndumele C, McEvoy JW, Sharrett AR, et al. Hochempfindliches kardiales Troponin I und T zur kardialen Risikostratifizierung bei Erwachsenen mit Diabetes. Diabetes-Behandlung. 2020;43(10):e144–6.

Artikel PubMed PubMed Central CAS Google Scholar

Referenzen herunterladen

Keiner.

Diese Arbeit wurde vom italienischen Gesundheitsministerium (Ricerca Corrente an IRCCS INRCA) und der Università Politecnica delle Marche, Italien (RSA-Zuschuss an FO und ADP) unterstützt.

Jacopo Sabbatinelli und Angelica Giuliani haben gleichermaßen zu dieser Arbeit beigetragen

Abteilung für klinische und molekulare Wissenschaften, Polytechnische Universität Marken, Via Tronto 10/A, 60126, Ancona, Italien

Jacopo Sabbatinelli, Angelica Giuliani, Giulia Matacchione, Maria Rita Rippo, Antonio Domenico Procopio und Fabiola Olivieri

Abteilung für Labormedizin, Universitätsklinikum „Ospedali Riuniti“, Via Conca 71, 60126, Ancona, Italien

Jacopo Sabbatinelli, Carla Campolucci, Artan Ceka und Marco Moretti

Wissenschaftliche Leitung, IRCCS INRCA, Ancona, Italien

Anna Rita Bonfigli

Klinik für Labor- und Präzisionsmedizin, IRCCS INRCA, Ancona, Italien

Deborah Ramini, Antonio Domenico Procopio und Fabiola Olivieri

Abteilung für Stoffwechselkrankheiten und Diabetologie, IRCCS INRCA, Ancona, Italien

Elena Tortato

Sie können diesen Autor auch in PubMed Google Scholar suchen

JS, MM und FO hatten die Idee und verfassten das Manuskript. AG, DR und GM führten die klinische Studie und routinemäßige Laboranalysen durch. ARB sammelte Informationen zur Nachsorge der Patienten. JS und AG analysierten die Daten und erstellten Zahlen. AC, CC, ET und MM überarbeiteten das Manuskript hinsichtlich seines intellektuellen Inhalts. AR, FO und ADP überwachten das Projekt und stellten die Finanzierung bereit. Die Autoren haben das endgültige Manuskript gelesen und genehmigt.

Korrespondenz mit Jacopo Sabbatinelli oder Marco Moretti.

Die Studie wurde vom Institutional Review Board des IRCCS INRCA-Krankenhauses genehmigt (Genehmigungsnummer 34/CdB/03) und in Übereinstimmung mit den in der Deklaration von Helsinki enthaltenen Grundsätzen durchgeführt. Alle an der Studie teilnehmenden Patienten gaben eine schriftliche Einverständniserklärung ab.

Unzutreffend.

Alle Autoren erklären, dass mit diesem Manuskript keine konkurrierenden Interessen verbunden sind. Die Autoren erklären, dass es keine Beziehungen oder Aktivitäten gibt, die ihre Arbeit beeinflussen könnten oder als solche wahrgenommen werden könnten.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Vergleich der rohen und logarithmisch transformierten sST2-, hs-cTnI- und NT-proBNP-Serumspiegel zwischen gesunden Kontrollpersonen (CTR) und Patienten mit Typ-2-Diabetes mellitus (T2DM). Die Daten sind Medianwerte (IQR). P-Werte für den Mann-Whitney-U-Test. Tabelle S2. Korrelationsmatrix zwischen ausgewählten klinischen/biochemischen Variablen und Serum-sST2, hs-cTnI und NT-proBNP bei CTR- (n = 115) und T2DM-Patienten (n = 568). Tabelle S3. Ergebnisse des MANCOVA-Modells, bei dem logarithmisch transformierte Konzentrationen von sST2, NT-proBNP und hs-cTnI als abhängige Variablen und jede T2DM-Komplikation als Faktor verwendet wurden. Als Kovariaten wurden Alter, Geschlecht und HbA1c verwendet. Es werden univariate Tests für Post-hoc-Vergleiche berichtet. Pfeile zeigen einen signifikanten Anstieg der abhängigen Variablen bei Komplikationen/Behandlungen an. Tabelle S4. C-Statistik mit 95 %-Konfidenzintervallen der Cox-Regressionsmodelle zur Vorhersage der Gesamtmortalität bei T2DM-Patienten. Tabelle S5. Logistisches Regressionsmodell, das die Wahrscheinlichkeit der Entwicklung des zusammengesetzten Endpunkts Tod oder MACE bei T2DM-Patienten ohne MACE in der Vorgeschichte vorhersagt. Modellzusammenfassung, χ²=107, df=12, p<0,001, Nagelkerkes R2=0,284. Tabelle S6. Zusammenfassung der multiplen Cox-Regressionsanalyse für Architect hs-cTnI-Spiegel, kategorisiert nach den besten Grenzwerten (4,4 ng/L und 7,5 ng/L) und den vom Hersteller definierten kardiovaskulären Risikokategorien zur Vorhersage des Überlebens bei T2DM-Patienten. Es werden rohe, angepasste (für Geschlecht, Alter, Raucherstatus, Bluthochdruck, T2DM-Dauer, BMI, HbA1c, Blutfette, eGFR und hs-CRP) und Multimarker-Hazard-Ratios (HR) mit 95 %-Konfidenzintervallen angezeigt. Signifikante Prädiktoren sind in Abbildung S1 fett dargestellt. Kaplan-Meier-Überlebensschätzungen mit 95 %-Konfidenzintervallen für Patienten mit T2DM, gruppiert nach dem Fehlen (Nein) oder Vorhandensein (Ja) von T2DM-Komplikationen. Abbildung S2. Verteilung von Serum-sST2, Dimension Vista hs-cTnI und NT-proBNP-Serum unter gesunden Kontrollpersonen (CTR) und Patienten mit Typ-2-Diabetes (T2DM). Abbildung S3. Ein Histogramm, das die Verteilung der rohen Architect hs-cTnI-Serumspiegel bei Patienten mit Typ-2-Diabetes (T2DM) zeigt. B Passing-Bablok-Regression zwischen dem Siemens Dimension Vista TNIH und dem Abbott Architect i-STAT-Assay zur Messung von hs-cTnI. Die Regressionslinie mit 95 %-KI wird blau angezeigt. Die Identitätslinie ist rot. C–D Bland-Altman-Diagramme, die Unterschiede zwischen Dimension Vista TNIH- und Abbott's Architect i-STAT hs-cTnI-Assays für alle Proben C und für mittlere hscTnI-Werte <40 ng/L D zeigen. Untere und obere Übereinstimmungsniveaus mit 95 % KI werden in Rot bzw. Grün angezeigt. Abbildung S4. Eine Leistung des Modells basierend auf der internen Validierung. Die Modellfläche unter den Kurven (AUCs) für jedes Jahr wird angezeigt. Die durchgezogene Linie stellt den Mittelwert der AUC dar, die gestrichelte Linie stellt den Median der AUC dar. Das dunklere Intervall im Diagramm zeigt die 25 %- und 75 %-Quantile der AUC, das hellere Intervall zeigt das Minimum und Maximum der AUC. B Interne und externe Kalibrierungsdiagramme, die die beobachtete gegenüber der vorhergesagten 15-Jahres-Überlebenswahrscheinlichkeit für Patienten mit Typ-2-Diabetes, gruppiert nach Risikoquartilen, zeigen. Die graue diagonale Linie stellt die perfekte Kalibrierung dar

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.

Nachdrucke und Genehmigungen

Sabbatinelli, J., Giuliani, A., Bonfigli, AR et al. Prognostischer Wert von löslichem ST2, hochempfindlichem kardialem Troponin und NT-proBNP bei Typ-2-Diabetes: eine 15-jährige retrospektive Studie. Cardiovasc Diabetol 21, 180 (2022). https://doi.org/10.1186/s12933-022-01616-3

Zitat herunterladen

Eingegangen: 03. August 2022

Angenommen: 02. September 2022

Veröffentlicht: 10. September 2022

DOI: https://doi.org/10.1186/s12933-022-01616-3

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Nachricht