Metabolic analysis of knee synovial fluid as a potential diagnostic approach for osteoarthritis
Notice bibliographique
Résumé
Osteoarthritis (OA) is a leading cause of chronic joint pain in the older human population. Diagnosis of OA at an earlier stage may enable the development of new treatments to one day effectively modify the progression and prognosis of the disease. In this work, we explore whether an integrated metabolomics approach could be utilized for the diagnosis of OA. Synovial fluid (SF) samples were collected from symptomatic chronic knee OA patients and normal human cadaveric knee joints. The samples were analyzed using (1)H nuclear magnetic resonance (NMR) spectroscopy and gas chromatography-mass spectrometry (GC-MS) followed by multivariate statistical analysis. Based on the metabolic profiles, we were able to distinguish OA patients from the controls and validate the statistical models. Moreover, we have integrated the (1)H NMR and GC-MS results and we found that 11 metabolites were statistically important for the separation between OA and normal SF. Additionally, statistical analysis showed an excellent predictive ability of the constructed metabolomics model (area under the receiver operating characteristic curve = 1.0). Our findings indicate that metabolomics might serve as a promising approach for the diagnosis and prognosis of degenerative changes in the knee joint and should be further validated in clinical settings.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,000 | 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 ».