MétaCan
Menu
Retour à la cohorte
Enregistrement W2335639107 · doi:10.1097/mib.0000000000000340

Blood-based Biomarkers Used to Predict Disease Activity in Crohnʼs Disease and Ulcerative Colitis

2015· article· en· W2335639107 sur OpenAlexaff
Robert Burakoff, Vikas Pabby, Louisa Onyewadume, Robert D. Odze, Cheryl Adackapara, Wei Wang, Sonia Friedman, M. W. Hamilton, Joshua R. Korzenik, Jonathan Levine, Frederick Makrauer, Changming Cheng, H. Smith, Choong‐Chin Liew, Samuel T. Chao

Notice bibliographique

RevueInflammatory Bowel Diseases · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensGolder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésUlcerative colitisMedicineReceiver operating characteristicInflammatory bowel diseaseInternal medicineGastroenterologyCrohn's diseaseDiseaseMicroarrayArea under the curveConfidence intervalLogistic regressionGeneGene expressionBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Identifying specific genes that are differentially expressed during inflammatory bowel disease flares may help stratify disease activity. The aim of this study was to identify panels of genes to be able to distinguish disease activity in Crohn's disease (CD) and ulcerative colitis (UC). METHODS: Patients were grouped into categories based on disease and severity determined by histological grading. Whole blood was collected by PAXgene Blood RNA collection tubes, (PreAnalytiX) and gene expression analysis using messenger RNA was conducted. Logistic regression was performed on multiple combinations of common probe sets, and data were evaluated in terms of discrimination by computing the area under the receiving operator characteristic curve (ROC-AUC). RESULTS: Nine inactive CD, 8 mild CD, 10 moderate-to-severe CD, 9 inactive UC, 8 mild UC, 10 moderate-to-severe UC, and 120 controls were hybridized to Affymetrix U133 Plus 2 microarrays. Panels of 6 individual genes discriminated the stages of disease activity: CD with mild severity {ROC-AUC, 0.89 (95% confidence interval [CI], 0.84%-0.95%)}, CD with moderate-to-severe severity (ROC-AUC 0.98 [95% CI, 0.97-1.0]), UC with mild severity (ROC-AUC 0.92 [95% CI, 0.87-0.96]), and UC with moderate-to-severe severity (ROC-AUC 0.99 [95% CI, 0.97-1.0]). Validation by real-time reverse transcription-PCR confirmed the Affymetrix microarray data. CONCLUSIONS: The specific whole blood gene panels reliably distinguished CD and UC and determined the activity of disease, with high sensitivity and specificity in our cohorts of patients. This simple serological test has the potential to become a biomarker to determine the activity of disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,247
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInflammatory Bowel DiseasesMême sujetInflammatory Bowel DiseaseTravaux en français237 207