A Novel Differential Predict Model Based on Matrix-Assisted Laser Ionization Time-of-Flight Mass Spectrometry and Serum Ferritin for Acute Graft-versus-Host Disease
Notice bibliographique
Résumé
Clinical diagnosis of acute graft-versus-host disease (aGVHD) mainly depends on clinical manifestation and tissue biopsies, leading to a delayed diagnosis and treatment for aGVHD patients when the early symptom is insignificant. Our objective was to investigate the possibility of prewarning the risk of aGVHD before and after allogeneic hematopoietic stem cell transplantation (allo-HSCT) by serum protein profiling combined with serum ferritin. The difference in polypeptide expression before and after transplantation had been compared by using CLINPROT technology, and serum ferritin levels have been analyzed simultaneously. Through combining serum ferritin and MS spectral data, the diagnosis sensitivity and specificity of our model for prewarning severe aGVHD (III~IV°aGVHD) before transplant all increased to 90.0%, while after transplant, the sensitivity and specificity are 78.3% and 86.4%. Our joint prewarning model could predict the risk of aGVHD, especially severe aGVHD before and after transplant, which also provides a reliable method to the continuous monitoring of the condition of patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».