A Transcriptomic Biomarker to Quantify Systemic Inflammation in Sepsis — A Prospective Multicenter Phase II Diagnostic Study
Notice bibliographique
Résumé
Development of a dysregulated immune response discriminates sepsis from uncomplicated infection. Currently used biomarkers fail to describe simultaneously occurring pro- and anti-inflammatory responses potentially amenable to therapy. Marker candidates were screened by microarray and, after transfer to a platform allowing point-of-care testing, validated in a confirmation set of 246 medical and surgical patients. We identified up-regulated pathways reflecting innate effector mechanisms, while down-regulated pathways related to adaptive lymphocyte functions. A panel of markers composed of three up- (Toll-like receptor 5; Protectin; Clusterin) and 4 down-regulated transcripts (Fibrinogen-like 2; Interleukin-7 receptor; Major histocompatibility complex class II, DP alpha1; Carboxypeptidase, vitellogenic-like) described the magnitude of immune alterations. The created gene expression score was significantly greater in patients with definite as well as with possible/probable infection than with no infection (median (Q25/Q75): 80 (60/101)) and 81 (58/97 vs. 49 (27/66), AUC-ROC=0.812 (95%-CI 0.755-0.869), p<0.0001). Down-regulated lymphocyte markers were associated with prognosis with good sensitivity but limited specificity. Quantifying systemic inflammation by assessment of both pro- and anti-inflammatory innate and adaptive immune responses provides a novel option to identify patients-at-risk and may facilitate immune interventions in sepsis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».