There is debate about the value of assessing levels of C-reactive protein (CRP) and other biomarkers of inflammation for the prediction of first cardiovascular events.

Abstract Aims The aim of this study was to develop, validate, and illustrate an updated prediction model (SCORE2) to estimate 10-year fatal and non-fatal cardiovascular disease (CVD) risk in individuals without previous CVD or diabetes aged 40–69 years in Europe. Methods and results We derived risk prediction models using individual-participant data from 45 cohorts in 13 countries (677 684 individuals, 30 121 CVD events). We used sex-specific and competing risk-adjusted models, including age, smoking status, systolic blood pressure, and total- and HDL-cholesterol. We defined four risk regions in Europe according to country-specific CVD mortality, recalibrating models to each region using expected incidences and risk factor distributions. Region-specific incidence was estimated using CVD mortality and incidence data on 10 776 466 individuals. For external validation, we analysed data from 25 additional cohorts in 15 European countries (1 133 181 individuals, 43 492 CVD events). After applying the derived risk prediction models to external validation cohorts, C-indices ranged from 0.67 (0.65–0.68) to 0.81 (0.76–0.86). Predicted CVD risk varied several-fold across European regions. For example, the estimated 10-year CVD risk for a 50-year-old smoker, with a systolic blood pressure of 140 mmHg, total cholesterol of 5.5 mmol/L, and HDL-cholesterol of 1.3 mmol/L, ranged from 5.9% for men in low-risk countries to 14.0% for men in very high-risk countries, and from 4.2% for women in low-risk countries to 13.7% for women in very high-risk countries. Conclusion SCORE2—a new algorithm derived, calibrated, and validated to predict 10-year risk of first-onset CVD in European populations—enhances the identification of individuals at higher risk of developing CVD across Europe.

The LifeLines Cohort Study is a large population-based cohort study and biobank that was established as a resource for research on complex interactions between environmental, phenotypic and genomic factors in the development of chronic diseases and healthy ageing. Between 2006 and 2013, inhabitants of the northern part of The Netherlands and their families were invited to participate, thereby contributing to a three-generation design. Participants visited one of the LifeLines research sites for a physical examination, including lung function, ECG and cognition tests, and completed extensive questionnaires. Baseline data were collected for 167 729 participants, aged from 6 months to 93 years. Follow-up visits are scheduled every 5 years, and in between participants receive follow-up questionnaires. Linkage is being established with medical registries and environmental data. LifeLines contains information on biochemistry, medical history, psychosocial characteristics, lifestyle and more. Genomic data are available including genome-wide genetic data of 15 638 participants. Fasting blood and 24-h urine samples are processed on the day of collection and stored at -80 °C in a fully automated storage facility. The aim of LifeLines is to be a resource for the national and international scientific community. Requests for data and biomaterials can be submitted to the LifeLines Research Office [LLscience@umcg.nl].

Thyroid disease and the metabolic syndrome are both associated with cardiovascular disease.The aim of this study was to explore the hypothesis that thyroid function, in euthyroid subjects, is associated with components of the metabolic syndrome, including serum lipid concentrations and insulin resistance.A total of 2703 adult inhabitants of a middle-sized city in The Netherlands participated in this cross-sectional study. Subjects who were not euthyroid were excluded, as were subjects taking thyroid medication, medication for diabetes, and subjects for whom medication data were not available (n = 1122). Homeostasis model assessment for insulin resistance (HOMA-IR) (mU*mmol/liter2) was calculated as fasting insulin (mU/liter) times fasting glucose (mmol/liter) divided by 22.5. The metabolic syndrome was defined according to National Cholesterol Education Program's Adult Treatment Panel III criteria.After adjustment for age and sex, free T4 (FT4) was significantly associated with total cholesterol [standardized beta (beta) = -0.059; P = 0.014], low-density lipoprotein cholesterol (beta = -0.068; P = 0.004), high-density lipoprotein cholesterol (beta = 0.100; P < 0.001), and triglycerides (beta = -0.102; P < 0.001). Both FT4 and TSH were significantly associated with HOMA-IR (beta = -0.133; P < 0.001 and beta = 0.055; P = 0.024, respectively). Median HOMA-IR increased from 1.42 in the highest tertile of FT4 to 1.66 in the lowest tertile of FT4. FT4 was significantly related to four of five components of the metabolic syndrome (abdominal obesity, triglycerides, high-density lipoprotein cholesterol, and blood pressure), independent of insulin resistance.We have demonstrated an association between FT4 levels within the normal reference range and lipids, in accordance with the earlier observed association between (sub)clinical hypothyroidism and hyperlipidemia. Moreover, low normal FT4 levels were significantly associated with increased insulin resistance. These findings are consistent with an increased cardiovascular risk in subjects with low normal thyroid function.

Abstract. de Boer RA, van Veldhuisen DJ, Gansevoort RT, Muller Kobold AC, van Gilst WH, Hillege HL, Bakker SJL, van der Harst P (University of Groningen). The fibrosis marker galectin‐3 and outcome in the general population. J Intern Med 2012; 272 : 55–64. Objective. Galectin‐3 is involved in fibrosis and inflammation and plays a role in heart failure, renal disease, obesity and cancer. We aimed to establish the relationship between galectin‐3 and cardiovascular (CV) risk factors and mortality in the general population. Design and subjects. This study included 7968 subjects from the Prevention of REnal and Vascular ENd‐stage Disease (PREVEND) cohort, with a median follow‐up of approximately 10 years. Plasma galectin‐3 was measured in baseline samples. Main outcome measures. We investigated the relationships between galectin‐3 levels, demographic characteristics and risk factors of CV disease. We determined the prognostic value for all‐cause, CV and cancer mortality. Results. The mean age of the population was 50 ± 13 years. Mean blood pressure was 129/74 mmHg, mean cholesterol was 5.7 ± 1.1 mmol L −1 and median galectin‐3 was 10.9 ng mL −1 [interquartile range (IQR) 9.0–13.1]. Galectin‐3 levels correlated with a wide range of risk factors of CV disease, including blood pressure, serum lipids, body mass index, renal function and N‐terminal pro‐B‐type natriuretic peptide ( P < 0.0001). We observed a strong association between galectin‐3 and age. Furthermore, we found a gender interaction, with female subjects ( n = 4001) having higher median galectin‐3 levels (11.0 ng mL −1 , IQR 9.1–13.4 vs. men ( n = 3967) 10.7 ng mL −1 , IQR 8.9–12.8; P < 0.0001), and galectin‐3 levels in women more strongly correlated with risk factors of CV disease. After correction for the classical CV risk factors (smoking, blood pressure, cholesterol and diabetes), galectin‐3 levels independently predicted all‐cause mortality (hazard ratio per SD galectin‐3 1.09, 95% CI 1.01–1.19; P = 0.036), but not CV and cancer mortality separately. Conclusions. Galectin‐3 is associated with age and risk factors of CV disease, with a strong gender interaction for these correlations. Galectin‐3 predicts all‐cause mortality in the general population.

Potassium disorders are common in patients with kidney disease, particularly in patients with tubular disorders and low glomerular filtration rate. A multidisciplinary group of researchers and clinicians met in October 2018 to identify evidence and address controversies in potassium management. The issues discussed encompassed our latest understanding of the regulation of tubular potassium excretion in health and disease; the relationship of potassium intake to cardiovascular and kidney outcomes, with increasing evidence showing beneficial associations with plant-based diet and data to suggest a paradigm shift from the idea of dietary restriction toward fostering patterns of eating that are associated with better outcomes; the paucity of data on the effect of dietary modification in restoring abnormal serum potassium to the normal range; a novel diagnostic algorithm for hypokalemia that takes into account the ascendency of the clinical context in determining cause, aligning the educational strategy with a practical approach to diagnosis; and therapeutic approaches in managing hyperkalemia when chronic and in the emergency or hospital ward. In sum, we provide here our conference deliberations on potassium homeostasis in health and disease, guidance for evaluation and management of dyskalemias in the context of kidney diseases, and research priorities in each of the above areas.

Elevated serum urate levels cause gout and correlate with cardiometabolic diseases via poorly understood mechanisms. We performed a trans-ancestry genome-wide association study of serum urate in 457,690 individuals, identifying 183 loci (147 previously unknown) that improve the prediction of gout in an independent cohort of 334,880 individuals. Serum urate showed significant genetic correlations with many cardiometabolic traits, with genetic causality analyses supporting a substantial role for pleiotropy. Enrichment analysis, fine-mapping of urate-associated loci and colocalization with gene expression in 47 tissues implicated the kidney and liver as the main target organs and prioritized potentially causal genes and variants, including the transcriptional master regulators in the liver and kidney, HNF1A and HNF4A. Experimental validation showed that HNF4A transactivated the promoter of ABCG2, encoding a major urate transporter, in kidney cells, and that HNF4A p.Thr139Ile is a functional variant. Transcriptional coregulation within and across organs may be a general mechanism underlying the observed pleiotropy between urate and cardiometabolic traits. A trans-ancestry genome-wide association study of serum urate levels identifies 183 loci influencing this trait. Enrichment analyses, fine-mapping and colocalization with gene expression in 47 tissues implicate the kidney and liver as key target organs and prioritize potential causal genes.

Background: Heart failure (HF) survival has improved, and nowadays, many patients with HF die of noncardiac causes, including cancer. Our aim was to investigate whether a causal relationship exists between HF and the development of cancer. Methods: HF was induced by inflicting large anterior myocardial infarction in APC min mice, which are prone to developing precancerous intestinal tumors, and tumor growth was measured. In addition, to rule out hemodynamic impairment, a heterotopic heart transplantation model was used in which an infarcted or sham-operated heart was transplanted into a recipient mouse while the native heart was left in situ. After 6 weeks, tumor number, volume, and proliferation were quantified. Candidate secreted proteins were selected because they were previously associated both with (colon) tumor growth and with myocardial production in post–myocardial infarction proteomic studies. Myocardial gene expression levels of these selected candidates were analyzed, as well as their proliferative effects on HT-29 (colon cancer) cells. We validated these candidates by measuring them in plasma of healthy subjects and patients with HF. Finally, we associated the relation between cardiac specific and inflammatory biomarkers and new-onset cancer in a large, prospective general population cohort. Results: The presence of failing hearts, both native and heterotopically transplanted, resulted in significantly increased intestinal tumor load of 2.4-fold in APC min mice (all P <0.0001). The severity of left ventricular dysfunction and fibrotic scar strongly correlated with tumor growth ( P =0.002 and P =0.016, respectively). We identified several proteins (including serpinA3 and A1, fibronectin, ceruloplasmin, and paraoxonase 1) that were elevated in human patients with chronic HF (n=101) compared with healthy subjects (n=180; P <0.001). Functionally, serpinA3 resulted in marked proliferation effects in human colon cancer (HT-29) cells, associated with Akt-S6 phosphorylation. Finally, elevated cardiac and inflammation biomarkers in apparently healthy humans (n=8319) were predictive of new-onset cancer (n=1124) independently of risk factors for cancer (age, smoking status, and body mass index). Conclusions: We demonstrate that the presence of HF is associated with enhanced tumor growth and that this is independent of hemodynamic impairment and could be caused by cardiac excreted factors. A diagnosis of HF may therefore be considered a risk factor for incident cancer.

Objective To identify existing prediction models for the risk of development of type 2 diabetes and to externally validate them in a large independent cohort. Data sources Systematic search of English, German, and Dutch literature in PubMed until February 2011 to identify prediction models for diabetes. Design Performance of the models was assessed in terms of discrimination (C statistic) and calibration (calibration plots and Hosmer-Lemeshow test).The validation study was a prospective cohort study, with a case cohort study in a random subcohort. Setting Models were applied to the Dutch cohort of the European Prospective Investigation into Cancer and Nutrition cohort study (EPIC-NL). Participants 38 379 people aged 20-70 with no diabetes at baseline, 2506 of whom made up the random subcohort. Outcome measure Incident type 2 diabetes. Results The review identified 16 studies containing 25 prediction models. We considered 12 models as basic because they were based on variables that can be assessed non-invasively and 13 models as extended because they additionally included conventional biomarkers such as glucose concentration. During a median follow-up of 10.2 years there were 924 cases in the full EPIC-NL cohort and 79 in the random subcohort. The C statistic for the basic models ranged from 0.74 (95% confidence interval 0.73 to 0.75) to 0.84 (0.82 to 0.85) for risk at 7.5 years. For prediction models including biomarkers the C statistic ranged from 0.81 (0.80 to 0.83) to 0.93 (0.92 to 0.94). Most prediction models overestimated the observed risk of diabetes, particularly at higher observed risks. After adjustment for differences in incidence of diabetes, calibration improved considerably. Conclusions Most basic prediction models can identify people at high risk of developing diabetes in a time frame of five to 10 years. Models including biomarkers classified cases slightly better than basic ones. Most models overestimated the actual risk of diabetes. Existing prediction models therefore perform well to identify those at high risk, but cannot sufficiently quantify actual risk of future diabetes.