MétaCan
Menu
Retour à la cohorte
Enregistrement W2800105754 · doi:10.1080/14767058.2018.1465552

First-trimester metabolomic prediction of stillbirth

2018· article· en· W2800105754 sur OpenAlexaff
Ray Bahado‐Singh, Argyro Syngelaki, Rupsari Mandal, Liang Li, Trent C. Bjorndahl, Nan Wang, Dev Maulik, Edison Dong, Onur Türkoğlu, Chiao-Li Tseng, Amna Zeb, Mark Redman, David S. Wishart, K. H. Nicolaides

Notice bibliographique

RevueThe Journal of Maternal-Fetal & Neonatal Medicine · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineMetabolomicsConfidence intervalLogistic regressionPregnancyArea under the curveObstetricsMetabolomeInternal medicineBioinformaticsBiologyMetaboliteGenetics

Résumé

récupéré en direct d'OpenAlex

Background: Stillbirth remains a major problem in both developing and developed countries. Omics evaluation of stillbirth has been highlighted as a top research priority.Objective: To identify new putative first-trimester biomarkers in maternal serum for stillbirth prediction using metabolomics-based approach.Methods: Targeted, nuclear magnetic resonance (NMR) and mass spectrometry (MS), and untargeted liquid chromatography-MS (LC-MS) metabolomic analyses were performed on first-trimester maternal serum obtained from 60 cases that subsequently had a stillbirth and 120 matched controls. Metabolites by themselves or in combination with clinical factors were used to develop logistic regression models for stillbirth prediction. Prediction of stillbirths overall, early (<28 weeks and <32 weeks), those related to growth restriction/placental disorder, and unexplained stillbirths were evaluated.Results: Targeted metabolites including glycine, acetic acid, L-carnitine, creatine, lysoPCaC18:1, PCaeC34:3, and PCaeC44:4 predicted stillbirth overall with an area under the curve [AUC, 95% confidence interval (CI)] = 0.707 (0.628–0.785). When combined with clinical predictors the AUC value increased to 0.740 (0.667–0.812). First-trimester targeted metabolites also significantly predicted early, unexplained, and placental-related stillbirths. Untargeted LC-MS features combined with other clinical predictors achieved an AUC (95%CI) = 0.860 (0.793–0.927) for the prediction of stillbirths overall. We found novel preliminary evidence that, verruculotoxin, a toxin produced by common household molds, might be linked to stillbirth.Conclusions: We have identified novel biomarkers for stillbirth using metabolomics and demonstrated the feasibility of first-trimester prediction.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Maternal-Fetal & Neonatal MedicineMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207