Can baseline serum microRNAs predict response to TNF-alpha inhibitors in rheumatoid arthritis?
Notice bibliographique
Résumé
BACKGROUND: In rheumatoid arthritis, prediction of response to TNF-alpha inhibitor (TNFi) treatment would be of clinical value. This study aims to discover miRNAs that predict response and aims to replicate results of two previous studies addressing this topic. METHODS: From the observational BiOCURA cohort, 40 adalimumab- (ADA) and 40 etanercept- (ETN) treated patients were selected to enter the discovery cohort and baseline serum profiling on 758 miRNAs was performed. The added value of univariately selected miRNAs (p < 0.05) over clinical parameters in prediction of response was determined by means of the area under the receiver operating characteristic curve (AUC-ROC). Validation was performed by TaqMan single qPCR assays in 40 new patients. RESULTS: Expression of miR-99a and miR-143 predicted response to ADA, and miR-23a and miR-197 predicted response to ETN. The addition of miRNAs increased the AUC-ROC of a model containing only clinical parameters for ADA (0.75 to 0.97) and ETN (0.68 to 0.78). In validation, none of the selected miRNAs significantly predicted response. miR-23a was the only overlapping miRNA compared to the two previous studies, however inversely related with response in one of these studies. The reasons for the inability to replicate previously proposed miRNAs predicting response to TNFi and replicate those from the discovery cohort were investigated and discussed. CONCLUSIONS: To date, no miRNA consistently predicting response to TNFi therapy in RA has been identified. Future studies on this topic should meet a minimum of standards in design that are addressed in this study, in order to increase the reproducibility.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».