MétaCan
Menu
← Retour à la cohorte
Enregistrement W2945693608 · doi:10.1161/str.48.suppl_1.wp234

Abstract WP234: Metabolite Profiling Identifies a Specific Profile for Cardioembolic Stroke

2017· article· en· W2945693608 sur OpenAlexaff
Sarah E. Nelson, Zoe Wolcott, Robert E. Gerszten, W. Taylor Kimberly

Notice bibliographique

RevueStroke · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensKimberly-Clark (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineMetaboliteLacunar strokeMetabolomicsStroke (engine)Internal medicineMetabolomeOrnithineBiochemistryBioinformaticsArginineIschemic strokeAmino acidBiology

Résumé

récupéré en direct d'OpenAlex

Introduction: Accurate determination of stroke etiology is important in order to implement appropriate secondary stroke prevention. Approximately 25% are embolic strokes of undetermined source, a subset of which are eventually attributed to cardioembolism after prolonged outpatient electrocardiogram monitoring. We applied metabolite profiling to determine whether a metabolomic profile could identify a cardioembolic signature that could inform stroke of undetermined source. Hypothesis: We hypothesized that a specific metabolomic profile reflected by circulating metabolites could be derived from patients with stroke due to cardioembolism. Methods: Using liquid chromatography-tandem mass spectrometry, we analyzed 153 metabolites measured in plasma samples collected within 9 hours of stroke onset. Three hundred twenty six patients from an acute stroke cohort collected at two institutions were analyzed. Stroke subtypes were assigned using the Causative Classification System. Association with cardioembolic subtype was assessed and metabolites exceeding the Bonferroni corrected p value threshold were identified. Logistic regression was used to identify independent metabolite predictors of cardioembolic stroke. Results and Conclusion: The following metabolites were significant in univariate analysis: 2-hydroxyglutaric acid, glutathione, glyceric acid, hippuric acid, threonine, ornithine, histidine, cotinine, pseudouridine, C18:2-carnitine, tricarboxylic acid metabolites, and tryptophan pathway metabolites (all p<6.5x10-3). Regression analysis identified the following multivariate predictors of cardioembolic stroke: hippuric acid (p=0.045), ornithine (p=6x10-5), histidine (p=4x10-6), and a composite sum of tricarboxylic acid metabolites (p=0.004). Metabolite profiling may augment traditional approaches to diagnosing cardioembolic stroke and may have implications for the diagnosis of embolic stroke of undetermined source.

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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,023
Tête enseignante GPT0,288
Écart entre enseignants0,264 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetMetabolomics and Mass Spectrometry Studies→Travaux en français237 207→