Peripheral Blood <i>MCEMP1</i> Gene Expression as a Biomarker for Stroke Prognosis
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: A limitation when making early decisions on stroke management is the lack of rapid diagnostic and prognostic testing. Our study sought to identify peripheral blood RNA biomarkers associated with stroke. The secondary aims were to assess the discriminative capacity of RNA biomarkers for primary stroke type and stroke prognosis at 1-month. METHODS: Whole-blood gene expression profiling was conducted on the discovery cohort: 129 first-time stroke cases that had blood sampling within 5 days of symptom onset and 170 control participants with no history of stroke. RESULTS: Through multiple regression analysis, we determined that expression of the gene MCEMP1 had the strongest association with stroke of 11 181 genes tested. MCEMP1 increased by 2.4-fold in stroke when compared with controls (95% confidence interval, 2.0-2.8; P=8.2×10(-22)). In addition, expression was elevated in intracerebral hemorrhage when compared with ischemic stroke cases (P=3.9×10(-4)). MCEMP1 was also highest soon after symptom onset and had no association with stroke risk factors. Furthermore, MCEMP1 expression independently improved discrimination of 1-month outcome. Indeed, discrimination models for disability and mortality that included MCEMP1 expression, baseline modified Rankin Scale score, and primary stroke type improved discrimination when compared with a model without MCEMP1 (disability Net Reclassification Index, 0.76; P=3.0×10(-6) and mortality Net Reclassification Index, 1.3; P=1.1×10(-9)). Significant associations with MCEMP1 were confirmed in an independent validation cohort of 28 stroke cases and 34 controls. CONCLUSIONS: This study demonstrates that peripheral blood expression of MCEMP1 may have utility for stroke diagnosis and as a prognostic biomarker of stroke outcome at 1-month.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».