Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Blood Studies for Cardiovascular System I: Cardiac Biomarkers01:20

Blood Studies for Cardiovascular System I: Cardiac Biomarkers

749
Cardiac biomarkers are enzymes, proteins, and hormones released into the blood when cardiac cells are injured. They are powerful tools for triaging.
The essential diagnostic tools for detecting myocardial necrosis and monitoring individuals suspected of having acute coronary syndrome (ACS) include:
Troponins
Troponins, particularly cardiac troponins I and T, are the most precise and sensitive markers of myocardial injury. They are detectable within 4-6 hours of myocardial injury and remain...
749
Blood Studies for Cardiovascular System II: CRP, Hcy, and Cardiac Natriuretic Peptide Markers01:19

Blood Studies for Cardiovascular System II: CRP, Hcy, and Cardiac Natriuretic Peptide Markers

516
Cardiac biomarkers are critical in diagnosing, prognosing, and managing cardiovascular diseases. Routine measurement of specific biomarkers such as B-type natriuretic peptide (BNP), C-reactive protein (CRP), and homocysteine (Hcy) is common practice in clinical settings to evaluate heart function and predict cardiovascular events.
These markers indicate stress or strain on the heart muscle:
Natriuretic Peptides (BNP)
Cardiac myocytes produce these hormones in response to ventricular stretching...
516

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Donanemab treatment effect by baseline tau burden and disease severity: Observations from the TRAILBLAZER-ALZ 2 trial.

Alzheimer's & dementia : the journal of the Alzheimer's Association·2026
Same author

Psychometric Evidence for an Augmented PDAQ for Improved Measurement of Cognition-Related IADLs in Parkinson's Disease.

Movement disorders clinical practice·2026
Same author

Generating synthetic tau-PET scans in Alzheimer's disease from MRI, blood biomarkers and demographics with deep learning.

medRxiv : the preprint server for health sciences·2026
Same author

Interchangeability of CSF and PET to identify Alzheimer's disease pathology.

Alzheimer's & dementia (Amsterdam, Netherlands)·2026
Same author

Neuropathological correlates of age and sex differences in 18F-flortaucipir PET.

Brain : a journal of neurology·2026
Same author

Interchangeability of blood-based biomarkers and PET to identify Alzheimer's disease pathology.

Alzheimer's & dementia (Amsterdam, Netherlands)·2026
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Jan 7, 2026

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies
07:20

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Published on: January 28, 2014

37.1K

Biomarcadores

Kay Hoong Chow1, Tongrong Wang2, Ilke Tunali3

  • 1Eli Lilly and Company, Bracknell, Berkshire, United Kingdom.

Alzheimer's & dementia : the journal of the Alzheimer's Association
|December 25, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio modela la acumulación de placas de amiloide a lo largo de décadas, revelando la edad y el genotipo APOE4 como factores clave. La comprensión de esta progresión ayuda en las estrategias de prevención de la enfermedad de Alzheimer (EA) y el diseño de ensayos clínicos.

Palabras clave:
BiomarcadoresEnfermedad de AlzheimerPlacas de amiloideModeladoAPOE4

Más Videos Relacionados

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
07:35

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

7.9K
Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans
08:14

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Published on: April 28, 2023

702

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies
07:20

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Published on: January 28, 2014

37.1K
Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
07:35

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

7.9K
Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans
08:14

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Published on: April 28, 2023

702

Área de la Ciencia:

  • Neurociencia
  • Bioestadística
  • Gerontología

Sus antecedentes:

  • La acumulación de placa de amiloide es una característica distintiva de la enfermedad de Alzheimer (EA), que potencialmente inicia etapas preclínicas.
  • Comprender la tasa natural de acumulación de amiloide es crucial para desarrollar estrategias efectivas de prevención de la EA.
  • Estudios previos sugieren que la acumulación de placa de amiloide puede seguir un modelo de crecimiento exponencial influenciado por varios factores.

Objetivo del estudio:

  • Establecer un modelo de acumulación de placa de amiloide a largo plazo (más de 10 años) utilizando datos de historia natural.
  • Identificar factores significativos que influyen en la progresión de la placa de amiloide en diversas cohortes.
  • Informar el diseño y la interpretación de los ensayos de prevención de la EA.

Principales métodos:

  • Se utilizó modelado de efectos mixtos no lineales con selección de covariables por pasos e inteligencia artificial.
  • Se analizaron datos de cohortes grandes: ADNI (N=1745), BioFINDER (N=265) y LEARN (N=4492).
  • Se evaluaron modelos lineales, exponenciales y no lineales para estimar las tasas de acumulación y la variabilidad.

Principales resultados:

  • Se identificaron la edad, los niveles basales de placa de amiloide y el genotipo APOE4 como predictores significativos de la acumulación de placa.
  • Se observó un aumento pronunciado de la placa de amiloide alrededor de los 60 años, seguido de una saturación en edades más avanzadas.
  • Se observó que estos cambios se inician antes en los portadores de APOE4.

Conclusiones:

  • Se desarrolló un modelo predictivo para la acumulación de placa de amiloide a lo largo de décadas, aplicable al diseño de ensayos clínicos de EA.
  • Se enfatizó que la prevención de la acumulación de amiloide podría prevenir la EA preclínica y el posterior deterioro cognitivo.
  • Se destacó la utilidad del modelo para interpretar intervenciones terapéuticas novedosas dirigidas al amiloide en la EA.