Urine metabolomic profiling of children with respiratory tract infections in the emergency department: a pilot study
Notice bibliographique
Résumé
BACKGROUND: Clinicians lack objective tests to help determine the severity of bronchiolitis or to distinguish a viral from bacterial causes of respiratory distress. We hypothesized that children with respiratory syncytial virus (RSV) infection would have a different metabolomic profile compared to those with bacterial infection or healthy controls, and this might also vary with bronchiolitis severity. METHODS: Clinical information and urine-based metabolomic data were collected from healthy age-matched children (n = 37) and those admitted to hospital with a proven infection (RSV n = 55; Non-RSV viral n = 16; bacterial n = 24). Nuclear magnetic resonance (NMR) measured 86 metabolites per urine sample. Partial least squares discriminant analysis (PLS-DA) was performed to create models of separation. RESULTS: Using a combination of metabolites, a strong PLS-DA model (R2 = 0.86, Q2 = 0.76) was created differentiating healthy children from those with RSV infection. This model had over 90 % accuracy in classifying blinded infants with similar illness severity. Two other models differentiated length of hospitalization and viral versus bacterial infection. CONCLUSION: While the sample sizes remain small, this is the first report suggesting that metabolomic analysis of urine samples has the potential to become a diagnostic aid. Future studies with larger sample sizes are required to validate the utility of metabolomics in pediatric patients with respiratory distress.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».