Mucosal biomarkers in inflammatory bowel disease: Key pathogenic players or disease predictors?
Notice bibliographique
Résumé
Inflammatory bowel diseases (IBDs) are chronic inflammatory disorders of the bowel, including ulcerative colitis and Crohn's disease. A single etiology has not been identified, but rather the pathogenesis of IBD is very complex and involves several major and minor contributors, employing different inflammatory pathways which have different roles in different patients. Although new and powerful medical treatments are available, many are biological drugs or immunosuppressants, which are associated with significant side effects and elevated costs. As a result, the need for predicting disease course and response to therapy is essential. Major attempts have been made at identifying clinical characteristics, concurrent medical therapy, and serological and genetic markers as predictors of response to biological agents. Only few reports exist on how mucosal/tissue markers are able to predict clinical behavior of the disease or its response to therapy. The aim of this paper therefore is to review the little information available regarding tissue markers as predictors of response to therapy, and reevaluate the role of tissue factors associated with disease severity, which can eventually be ranked as "tissue factor predictors". Five main categories are assessed, including mucosal cytokines and chemokines, adhesion molecules and markers of activation, immune and non-immune cells, and other mucosal components. Improvement in the design and specificity of clinical studies are mandatory to be able to classify tissue markers as predictors of disease course and response to specific therapy, obtain the goal of achieving "personalized pathogenesis-oriented therapy" in IBD.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».