Szívelégtelenség: ki dolgozik rajta

Intézményenként egy kártya. Szűrhetsz célpontra, országra, vagy csak az EU-13 (Horizon Europe felzárkózó) országok intézményeire.

• Minden célpont
• SGLT2 29
• GLP-1 6
• TTR 10
• AMPK 0
• NLRP3 0
• NRF2 0
• PI3K 0
• PPAR 0
• AKT 0
• mTOR 0
• HER2 2
• STAT3 0
• TP53 0
• MAPK 0
• SIRT1 0
• STING 0
• EGFR 0
• GIP 4
• HIF-1 0
• PCSK9 0
• DPP-4 0
• VEGF 0
• HMGB1 0
• IL-6 0
• CTNNB1 0
• TNF 0
• YAP 0
• PINK1 0
• ERK 0
• GPX4 0
• JAK 0
• TLR4 0
• IL-1 0
• JNK 0
• MEK 1
• HSP90 0
• DMD 0
• IL-17 0
• MMP-9 0
• PD-1 0
• CD40 0
• COX-2 0
• HDAC 0
• PD-L1 0
• TFEB 0
• ABL1 0
• APOE 0
• AR 0
• BCL-2 0
• FTO 0
• METTL3 0
• MYC 0
• PTEN 0
• ACE2 0
• BDNF 0
• BRAF 0
• BRD4 0
• BTK 0
• CDK4/6 0
• FAK 0

Az EU-13 szűrő, nem rangsor: csak szűkíti a listát.

Ebben a nézetben még nincs kutatócsoport.

Leállított, visszavont és felfüggesztett vizsgálatok, a szponzor által a regiszterben megadott okkal, szó szerint idézve.

• Visszavonták

  Prevention of Age-associated Cardiac and Vascular Dysfunction Using Avmacol ES

  NCT05408559· Texas Tech University Health Sciences Center· Frissítve: 2026. jún. 29.

  “Had issue enrolling subjects.”A regiszter szövege, változtatás nélkül. Forrás

Vizsgálatok, amelyek regiszteradata szerint az egyéni résztvevői adatokat (IPD) megosztják.

Ebben a nézetben egy vizsgálat sem jelzi, hogy megosztaná a résztvevői adatokat.

Publikációk erről a betegségről egy MeSH-módszerkifejezés szerint, például szekvenálási vagy képalkotó módszerre.

• Single-Cell Analysis 17
• Organoids 5
• Mendelian Randomization Analysis 79
• CRISPR-Cas Systems 7
• Gene Expression Profiling 71
• Sequence Analysis, RNA 1
• Whole Genome Sequencing 2
• Exome Sequencing 10
• Proteomics 107
• Metabolomics 64
• Mass Spectrometry 5
• Flow Cytometry 10
• Immunohistochemistry 13
• Xenograft Model Antitumor Assays 2
• Positron-Emission Tomography 37
• Magnetic Resonance Imaging 154
• Machine Learning 195
• Deep Learning 40
• Cohort Studies 495
• Genome-Wide Association Study 74

• Stress Hyperglycemia Ratio and Preoperative Acute Heart Failure in Elderly Hip Fracture Patients with Chronic Cerebrovascular Diseases.

  Clin Interv Aging, 2026. nov.

• [Construction of a prediction model for in-hospital major adverse cardiovascular events after emergency percutaneous coronary intervention in patients with ST-elevation myocardial infarction].

  Zhonghua Xin Xue Guan Bing Za Zhi, 2026. okt.

• Machine learning based predictive model for cardiovascular disease mortality risk in patients with stage 4 cardiovascular-kidney-metabolic syndrome.

  Medicine (Baltimore), 2026. okt.

• Development and validation of an interpretable machine learning model for early prediction of mortality in ICU patients with chronic obstructive pulmonary disease and heart failure.

  Medicine (Baltimore), 2026. okt.

• A Machine Learning-Based Predictive Model for One-Year All-Cause Readmission in Chronic Heart Failure: Implications for Precision Nursing Interventions.

  Br J Hosp Med (Lond), 2026. okt.

• Impact of matched samples on domain harmonization in cross-cohort NMR metabolomics.

  Metabolomics, 2026. okt.

• A machine learning-driven and explainable prediction model for in-hospital mortality in patients with diabetes mellitus and congestive heart failure: integrating XGBoost and SHAP approaches.

  Front Public Health, 2026. okt.

• Immune and inflammatory features associated with pyroptosis- and myocardial fibrosis-related genes in HFpEF: a machine learning study.

  Front Immunol, 2026. okt.

• Machine Learning-Driven Risk Prediction Model in Transthyretin Amyloid Cardiomyopathy.

  JAMA Cardiol, 2026. okt.

• Prediction of New-Onset Atrial Fibrillation in Patients with Acute Myocardial Infarction: A Machine Learning Approach.

  Med Sci (Basel), 2026. szept.

Megmutatjuk, a betegség mely célpontjait említi az absztrakt, és onnan a rajtuk dolgozókhoz jutsz.