MétaCan
Menu
← Retour à la cohorte
Enregistrement W2617099277 · doi:10.1136/bjsports-2016-097270.9

Metabolomic biomarkers of concussion

2017· article· en· W2617099277 sur OpenAlexaff
Eric Paxman, Zachary R. Wanner, Jyote Boora, Douglas Kiss, Gerlinde A. S. Metz, Tony Montina, Chantel T. Debert

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensOntario Brain InstituteUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésConcussionMedicineUrineInternal medicinePoison controlMetaboliteAthletesTraumatic brain injuryPhysical therapyInjury preventionEmergency medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Objective To determine if1H NMR spectroscopy of urine and a quantitative metabolomics approach can aid diagnostic and prognostic outcomes in patients who have suffered acute sport concussion. Design Pre-concussion urine samples were collected from WinSport athletes at the beginning of the sport season. Any athlete who experienced a head injury reported to a brain injury clinic to be tested within 72 hours of head injury. This testing included collection of a post-concussion urine sample for metabolomic analysis. Setting Brain injury clinic and metabolomics laboratory. Participants 167 athletes entered the study with a total of 39 concussions occurring. Inclusion criteria: at least 18 years old, diagnosis of concussion, and concussion sustained within 72 hours. Exclusion criteria: multiple injuries coinciding with concussion and a past history of neurological pathology. Outcome measures Metabolite concentrations were calculated in pre- and post-concussion urine samples and compared using a paired t-test and partial least squares discriminant analysis (PLS-DA) to determine which metabolites led to significant variation between samples. Main results The PLS-DA model showed significant variation between baseline and post-injury sample groups and passed all permutation and cross-validation testing. A paired t-test, with cross-validation, isolated five significant metabolites of interest in the concussion group (p<0.05). Conclusions Using NMR spectroscopy we quantified urinary metabolites in patients before and after concussion. This revealed several metabolites that were shown to be significantly altered following injury, opening up future inquiry into both the pathways and processes involved in concussion and new avenues for personalized diagnosis and treatment. Competing interests None.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,048
Tête enseignante GPT0,351
Écart entre enseignants0,303 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports Medicine→Même sujetTraumatic Brain Injury Research→Travaux en français237 207→