Unsupervised analysis of combined lipid and coagulation data reveals coagulopathy subtypes among dialysis patients
Notice bibliographique
Résumé
Hemodialysis (HD) and peritoneal dialysis (PD) are the primary means of managing end stage renal disease (ESRD). However, these treatment modalities are associated with the onset of coagulation abnormalities. Effective management of coagulation risk among these patients requires the identification of surrogate markers that provide an early indication of the coagulation abnormalities. The role of sphingolipids in the manifestation and prediction of coagulation abnormalities among dialysis patients have never been investigated. Herein, we report the first instance of an in depth investigation into the sphingolipid changes among ESRD patients undergoing HD and PD. The results reveal distinct differences in terms of perturbations to specific sphingolipid biosynthetic pathways that are highly dependent on the treatment modality. Our studies also demonstrated strong correlation between specific sphingolipids and coagulation parameters, such as HexCer(d18:1/26:0) and maximal amplitude (MA), SM(d18:1/24:1) and tissue factor pathway inhibitor, and sphingosine 1-phosphate d18:1 and FX (Spearman ρ of 0.93, 0.89, and −0.89, respectively). Furthermore, our study revealed the potential for using HexCer(d18:1/22:0), HexCer(d18:1/24:0), and HexCer(d18:1/26:0) (r 2 = 0.71, 0.82, and 0.63, respectively) and coagulation parameter MA (r 2 = 0.7) for successful diagnosis of differential coagulopathies among ESRD patients undergoing HD, providing an opportunity toward personalized disease management.
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 | 0,001 |
| 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 ».