MétaCan
Menu
← Retour à la cohorte
Enregistrement W2794185300 · doi:10.1093/ecco-jcc/jjx180.477

P350 Conventional biomarkers in newly diagnosed Crohn’s disease patients may predict early disease progression

2018· article· en· W2794185300 sur OpenAlexaboutno aff
Henit Yanai, Idan Goren, Lihi Godny, Shay Ben‐Shachar, Nitsan Maharshak, Yulia Ron, Karin Yadgar, Keren Zonenesain, Tomer Ziv‐Baran, Iris Dotan

Notice bibliographique

RevueJournal of Crohn s and Colitis · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineCrohn's diseaseNomogramCalprotectinDiseaseLogistic regressionProportional hazards modelCHAIDCohortProspective cohort studyMultivariate analysisStepwise regressionGastroenterologyInflammatory bowel diseaseDecision tree

Résumé

récupéré en direct d'OpenAlex

Crohn’s disease (CD) is a heterogeneous progressive disorder. Predicting factors for progression are scarce. We aimed to identify early risk factors for disease progression. A longitudinal, prospective, observational inception cohort, in a tertiary referral centre. Adults suspected of CD, or diagnosed with CD during the preceding six months prior to enrolment were recruited. Clinical and biological markers were obtained at recruitment. Disease progression was defined by indirect measures: either CD-related hospitalisation/surgery or commencing any medical therapy other than 5ASAs. For prediction analysis we focused only on treatment-naïve patients at enrolment, using any data obtained before interventions. Data analysis was performed using data mining methods. Biomarkers were analysed for threshold values by classification and regression trees (CART), and by Chi-square automatic interaction detector (CHAID) methods. We implemented the data into a stepwise forward multivariate Cox regression model. Overall 59 of 157 patients attained a diagnosis of treatment naïve CD: median age at diagnosis was 31.6 (IQR 21.5–46) years, males: 35 (59.3%), Ashkenazi: 22 (37.3%), never smokers: 33 (55.9%). Average BMI was 22.7 ± 4.5 kg/m2. Median follow-up: 15.1 (IQR 5.7–20.2) months. At enrolment median C-reactive protein (CRP) was 12.1 (IQR 3.7–20.6) mg/l and median fecal calprotectin (FC) was 436 (IQR 145–799) µg/gr stool. Montreal classification: L1 36 (63.1%); L2 15 (26.4%); L3 6 (10.5%); L4 5 (8.8%); B1, 48 (85.7%); B2 4 (7.1%); B3 4 (7.1%), and perianal involvement in 6 patients (10.7%). Disease progression was identified in 28 patients (47.5%): hospitalisation 9 (15.3%), surgery 1 (1.7%), medical intervention 26 patients (44.1%). The Cox regression model revealed several biomarkers that were associated with disease progression: ferritin > 47 ng/ml (HR 9.6, p = 0.002), GGT > 17 IU (HR 8.06; p = 0.001), ASCA IgA >2.4 IU (HR 3.4; p = 0.039), BMI < 22 kg/m2 (HR 5.7, p = 0.001), while colonic disease was found to be associated with decreased probability for progression (HR 0.4, p = 0.049). CRP and FC were not predictive of early disease progression. In newly diagnosed CD patients conventional biomarkers, even within normal ranges, maybe be used as strong independent predictors for disease progression. Integration of these measures into a model (creation of a nomogram) will be used to stratify newly diagnosed patients for near risk of progression. Such tools may enable better patient stratification and direct clinicians towards strategic personalised interventions.

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)0,003
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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,006
Tête enseignante GPT0,248
Écart entre enseignants0,242 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Crohn s and Colitis→Même sujetInflammatory Bowel Disease→Travaux en français237 207→