Biomolecules and Biomarkers Used in Diagnosis of Alcohol Drinking and in Monitoring Therapeutic Interventions
Notice bibliographique
Résumé
BACKGROUND: The quantitative, measurable detection of drinking is important for the successful treatment of alcohol misuse in transplantation of patients with alcohol disorders, people living with human immunodeficiency virus that need to adhere to medication, and special occupational hazard offenders, many of whom continually deny drinking. Their initial misconduct usually leads to medical problems associated with drinking, impulsive social behavior, and drunk driving. The accurate identification of alcohol consumption via biochemical tests contributes significantly to the monitoring of drinking behavior. METHODS: A systematic review of the current methods used to measure biomarkers of alcohol consumption was conducted using PubMed and Google Scholar databases (2010-2015). The names of the tests have been identified. The methods and publications that correlate between the social instruments and the biochemical tests were further investigated. There is a clear need for assays standardization to ensure the use of these biochemical tests as routine biomarkers. FINDINGS: Alcohol ingestion can be measured using a breath test. Because alcohol is rapidly eliminated from the circulation, the time for detection by this analysis is in the range of hours. Alcohol consumption can alternatively be detected by direct measurement of ethanol concentration in blood or urine. Several markers have been proposed to extend the interval and sensitivities of detection, including ethyl glucuronide and ethyl sulfate in urine, phosphatidylethanol in blood, and ethyl glucuronide and fatty acid ethyl esters in hair, among others. Moreover, there is a need to correlate the indirect biomarker carbohydrate deficient transferrin, which reflects longer lasting consumption of higher amounts of alcohol, with serum γ-glutamyl transpeptidase, another long term indirect biomarker that is routinely used and standardized in laboratory medicine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».