Systematic review: predictive biomarkers of therapeutic response in inflammatory bowel disease—personalised medicine in its infancy
Notice bibliographique
Résumé
BACKGROUND: Inflammatory bowel disease (IBD) is characterised by substantial heterogeneity in treatment response. With an expanding number of therapeutic agents, identifying optimal treatment at the patient level remains a major challenge. AIM: To systematically review the available literature on predictive biomarkers of therapeutic response in IBD. METHODS: An electronic literature search was performed on 30 January 2018 using MEDLINE, EMBASE and the Cochrane Library. Retrospective, prospective, uncontrolled and controlled studies reporting on biomarkers predicting therapeutic response in paediatric and adult IBD populations were eligible for inclusion. The methodological quality of the included studies was assessed using the QUIPS tool. Due to anticipated heterogeneity and limited data, a qualitative, rather than quantitative, assessment was planned. RESULTS: Of the 10 638 citations identified, 92 articles met the inclusion criteria. Several potential DNA, mRNA and protein markers were evaluated as predictive biomarkers. Most studies focused on predicting response to anti-TNF agents. Substantial between-study heterogeneity was identified with respect to both the biomarkers studied and the definition of response. None of the included studies received a low risk of bias rating for all six domains. Currently, none of the biomarkers is sufficiently predictive for clinical use. CONCLUSIONS: The search for predictive biomarkers is still in its infancy and current evidence is limited. Future research efforts should take into account the high patient heterogeneity within prospective trials with objective response assessment. Predictive models will most likely comprise a combination of several molecular markers from integrated omics-levels and clinical characteristics.
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 | 0,015 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| Bibliométrie | 0,014 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».