Neurofilament light chain as a biological marker for multiple sclerosis: a meta-analysis study
Notice bibliographique
Résumé
Purpose: There is a need for biomarkers in multiple sclerosis (MS) to make an early diagnosis and monitor its progression. This study was designed to evaluate the value of neurofilament light (NFL) chain levels as cerebrospinal fluid (CSF) or blood biomarker in patients with MS by using a quantitative meta-analysis. Methods: The PubMed, Embase, and Web of Science databases were systematically searched for relevant studies. Articles in English that evaluated the utility of NFL in CSF and blood in the diagnosis of MS were included. Data were extracted by two independent researchers. Mean (± SD) NFL concentration for MS patients and control subjects were extracted. Review Manager version 5.3 software with a continuous-variable random-effects model was used to summarize the diagnostic indexes from eligible studies. The Newcastle–Ottawa Scale was used for assessing the quality and risk of bias of included studies. In addition, subgroup analysis and meta-regression were performed to assess potential heterogeneity sources. Results: The meta-analysis included 13 articles containing results from 15 studies. A total of 10 studies measured NFL levels in CSF and five studies measured NFL levels in blood. Data were available on 795 participants in CSF and 1,856 participants in blood. Moreover, CSF NFL in MS patients was higher than that in healthy control groups (pooled standard mean difference [Std.MD]=0.88, 95% CI [0.50, 1.26], P <0.00001) and serum NFL in MS patients was higher than that in control subjects (pooled Std.MD=0.47, 95% CI [0.24, 0.71], P <0.0001). Conclusion: NFL chain has significantly increased in MS patients, which substantially strengthens the clinical evidence of the NFL in MS. The NFL may be used as a prognostic biomarker to monitor disease progression, disease activity, and treatment efficacy in the future. Keywords: multiple sclerosis, neurofilament light chain, meta-analysis
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 | 0,021 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,066 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».