Host biomarkers distinguish dengue from leptospirosis in Colombia: a case–control study
Notice bibliographique
Résumé
BACKGROUND: Dengue fever and leptospirosis have partially overlapping geographic distributions, similar clinical presentations and potentially life-threatening complications but require different treatments. Distinguishing between these cosmopolitan emerging pathogens represents a diagnostic dilemma of global importance. We hypothesized that perturbations in host biomarkers can differentiate between individuals with dengue fever and leptospirosis during the acute phase of illness. METHODS: We randomly selected subjects from a prospective cohort study of acute febrile illness in Bucaramanga, Colombia and tested 19 serum biomarkers by ELISA in dengue fever (DF, n = 113) compared to subjects with leptospirosis (n = 47). Biomarkers were selected for further analysis if they had good discriminatory ability (area under the ROC curve (AUC) >0.80) and were beyond a reference range (assessed using local healthy controls). RESULTS: Nine biomarkers differed significantly between dengue fever and leptospirosis, with higher levels of Angptl3, IL-18BP, IP-10/CXCL10, Platelet Factor 4, sICAM-1, Factor D, sEng and sKDR in dengue and higher levels of sTie-2 in leptospirosis (p < 0.001 for all comparisons). Two biomarkers, sEng and IL18BP, showed excellent discriminatory ability (AUROC >0.90). When incorporated into multivariable models, sEng and IL18BP improved the diagnostic accuracy of clinical information alone. CONCLUSIONS: These results suggest that host biomarkers may have utility in differentiating between dengue and leptospirosis, clinically similar conditions of different etiology.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».