AH
Alan Hutson
Author with expertise in Global Challenge of Antibiotic Resistance in Bacteria
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
7
(57% Open Access)
Cited by:
1,247
h-index:
53
/
i10-index:
160
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Exercise Training, Without Weight Loss, Increases Insulin Sensitivity and Postheparin Plasma Lipase Activity in Previously Sedentary Adults

Glen Duncan et al.Mar 1, 2003
OBJECTIVE—To determine the effects of exercise, without weight loss, on insulin sensitivity (SI), postheparin plasma lipase activity (PHPL), intravenous fat clearance rate (K2), and fasting lipids in sedentary adults. RESEARCH DESIGN AND METHODS—At baseline and after 6 months of walk training (intensity 45–55 or 65–75% heart rate reserve, frequency 3–4 or 5–7 days/week, duration 30 min/session), anthropometric indexes, SI, PHPL, K2, and fasting lipids were measured in 18 sedentary adults (12 women, 6 men; 51.9 ± 5.8 years of age, BMI 28.9 ± 4.6 kg/m2). RESULTS—Exercise increased SI (2.54 ± 2.74 vs. 4.41 ± 3.30 μU · ml−1 · min−1, P &lt; 0.005) and both lipoprotein lipase (LPL) (1,890 ± 1,380 vs. 4,926 ± 1,858 nEq free fatty acid [FFA] · ml−1 · h−1) and hepatic lipase (HL) activities (3,326 ± 1,605 vs. 4,636 ± 1,636 nEq FFA · ml−1 · h−1) (both P &lt; 0.001), without altering BMI, waist circumference, K2, or fasting lipids. Correlations between changes in LPL and the total:HDL cholesterol ratio (r = −0.54) and changes in the LPL:HL ratio and waist circumference (r = −0.50) were significant (P &lt; 0.05). CONCLUSIONS—Exercise, without weight loss, increases SI and PHPL activity in previously sedentary adults, without changing K2 or fasting lipid levels. Furthermore, increased LPL is associated with a decreased total:HDL ratio, and an increased LPL:HL ratio is associated with a decreased waist circumference. Therefore, even modest amounts of exercise in the absence of weight loss positively affect markers of glucose and fat metabolism in previously sedentary, middle-aged adults.
0

Regional Myocardial Sympathetic Denervation Predicts the Risk of Sudden Cardiac Arrest in Ischemic Cardiomyopathy

James Fallavollita et al.Sep 25, 2013
The PAREPET (Prediction of ARrhythmic Events with Positron Emission Tomography) study sought to test the hypothesis that quantifying inhomogeneity in myocardial sympathetic innervation could identify patients at highest risk for sudden cardiac arrest (SCA). Left ventricular ejection fraction (LVEF) is the only parameter identifying patients at risk of SCA who benefit from an implantable cardiac defibrillator (ICD). We prospectively enrolled 204 subjects with ischemic cardiomyopathy (LVEF ≤35%) eligible for primary prevention ICDs. Positron emission tomography (PET) was used to quantify myocardial sympathetic denervation (11C-meta-hydroxyephedrine [11C-HED]), perfusion (13N-ammonia) and viability (insulin-stimulated 18F-2-deoxyglucose). The primary endpoint was SCA defined as arrhythmic death or ICD discharge for ventricular fibrillation or ventricular tachycardia >240 beats/min. After 4.1 years follow-up, cause-specific SCA was 16.2%. Infarct volume (22 ± 7% vs. 19 ± 9% of left ventricle [LV]) and LVEF (24 ± 8% vs. 28 ± 9%) were not predictors of SCA. In contrast, patients developing SCA had greater amounts of sympathetic denervation (33 ± 10% vs. 26 ± 11% of LV; p = 0.001) reflecting viable, denervated myocardium. The lower tertiles of sympathetic denervation had SCA rates of 1.2%/year and 2.2%/year, whereas the highest tertile had a rate of 6.7%/year. Multivariate predictors of SCA were PET sympathetic denervation, left ventricular end-diastolic volume index, creatinine, and no angiotensin inhibition. With optimized cut-points, the absence of all 4 risk factors identified low risk (44% of cohort; SCA <1%/year); whereas ≥2 factors identified high risk (20% of cohort; SCA ∼12%/year). In ischemic cardiomyopathy, sympathetic denervation assessed using 11C-HED PET predicts cause-specific mortality from SCA independently of LVEF and infarct volume. This may provide an improved approach for the identification of patients most likely to benefit from an ICD. (Prediction of ARrhythmic Events With Positron Emission Tomography [PAREPET]; NCT01400334)
1

Differentiation of hypervirulent and classicalKlebsiella pneumoniaewith acquired drug resistance

Thomas Russo et al.Jun 30, 2023
Abstract Distinguishing hypervirulent (hvKp) from classical Klebsiella pneumoniae (cKp) strains is important for clinical care, surveillance, and research. Some combination of iucA, iroB, peg-344, rmpA, and rmpA2 are most commonly used, but it is unclear what combination of genotypic or phenotypic markers (e.g. siderophore concentration, mucoviscosity) most accurately predicts the hypervirulent phenotype. Further, acquisition of antimicrobial resistance may affect virulence and confound identification. Therefore, 49 K. pneumoniae strains that possessed some combination of iucA, iroB, peg-344, rmpA, and rmpA2 and had acquired resistance were assembled and categorized as hypervirulent hvKp (hvKp) (N=16) or cKp (N=33) via a murine infection model. Biomarker number, siderophore production, mucoviscosity, virulence plasmid’s Mash/Jaccard distances to the canonical pLVPK, and Kleborate virulence score were measured and evaluated to accurately differentiate these pathotypes. Both stepwise logistic regression and a CART model were used to determine which variable was most predictive of the strain cohorts. The biomarker count alone was the strongest predictor for both analyses. For logistic regression the area under the curve for biomarker count was 0.955 (P = 0.004). The CART model generated the classification rule that a biomarker count = 5 would classify the strain as hvKP, resulting in a sensitivity for predicting hvKP of 88% (14/16), a specificity of 94% (31/33), and an overall accuracy of 92% (45/49). Although a count of ≥ 4 was 100% (16/16) sensitive for predicting hvKP, the specificity and accuracy decreased to 76% (25/33) and 84% (41/49) respectively. These findings can be used to inform the identification of hvKp.
0

Prognostic factors for progression of MGUS including immune phenotype.

Sawyer Bawek et al.Jun 1, 2024
e19537 Background: Monoclonal Gammopathy of Undetermined Significance (MGUS) is a benign precursor of multiple myeloma (MM). Individuals with MGUS have an overall 1% risk per year of disease progression to active MM or other cancers, although risk varies depending on multiple factors. Natural killer (NK) cells, cytotoxic CD8+ T cells, and dendritic cells have been shown to be altered in MM. Immune profile analysis can help to understand the microenvironment for monoclonal plasma cells better and help identify early factors for progression of MGUS into MM. Methods: We conducted a retrospective review of individuals from 2007-2023 who had a confirmed MGUS diagnosis and available flow-cytometry based immunophenotyping of peripheral blood. Demographics, Charlson Comorbidity Index (CCI), immunoglobulin subtype, date of diagnosis and progression, CD4/CD8 T-cell ratio, CD19+ B-cells, memory B-cells, gamma delta T cells, NK cells, and exhausted/non-exhausted CD4+ and CD8+ T cells were characterized. Descriptive statistics were expressed as means and standard deviations for continuous variables and tabulated frequencies for categorical variables. Pearson’s chi-square test of independence was used to explore the relationship between categorical race and diagnosis across categorical variables. Analysis of variance was utilized to assess the variation in continuous variables by race and diagnosis. The investigation of overall survival (OS) and progression-free survival (PFS) involved using univariate and multivariate Cox models across all pertinent variables. Hazard ratios (HRs) were estimated. A stepwise regression model was incorporated into the Cox multivariate model for a comprehensive analysis. All statistical tests were tested at alpha=0.05. Results: This retrospective study analyzed 151 patients, 84 (55.6%) being male. Average age was 55-77.8 years. The primary sub-diagnosis included IgG kappa at 30.5%, followed by IgG lambda at 29.8%. No significant associations were observed between MGUS subtype and comorbidities, race and Immunoglobulin subtype, Mayo risk status, and free light chain ratio (FLCR). After median follow-up of 666 days, median PFS was 8.07 years with a 95% CI of (4.45, 14.68), and median OS exceeded 12.71 years. The Univariate model for PFS identified the CCI Score (p=0.003, HR=1.25), FLCR (p=0.012, HR=1.024), and NK T-cells (%gated) (p=0.0211, HR=1.033) as significant factors. Only the CCI score was retained in the multivariate stepwise model. Univariate model for OS revealed associations with CCI (p<0.001, HR=1.50), NK T-cells (%gated) (p=0.007, HR=1.05), monoclonal protein (p=0.008, HR=2.80), Non-exhausted T-cells-CD4 (% of CD4 + ) (p=0.013, HR=0.96), and age (p=0.023, HR=1.09). Conclusions: In this single-center retrospective review, only CCI remained prognostically significant in the multivariate model. CCI and NK T-cells were prognostically significant for OS in the univariate analysis.