Peripheral Biomarkers of Tobacco-Use Disorder: A Systematic Review
Notice bibliographique
Résumé
Abstract Introduction Tobacco use disorder (TUD) is a major worldwide healthcare burden resulting in 7 million deaths annually. TUD has few approved cessation aids, all of which are associated a high rate of relapse within one year. Biomarkers of TUD severity, treatment response, and risk of relapse have high potential clinical utility to identify ideal responders and guide additional treatment resources. Methods A MEDLINE search was performed using the terms biomarkers, dihydroxyacetone phosphate, bilirubin, inositol, cotinine, adrenocorticotropic hormone, cortisol, pituitary-adrenal system, homovanillic acid, dopamine, pro-opiomelanocortin, lipids, lipid metabolism all cross-referenced with tobacco-use disorder . Results The search yielded 424 results, of which 57 met inclusion criteria. The most commonly studied biomarkers were those related to nicotine metabolism, the hypothalamic-pituitary-adrenal (HPA) axis, and cardiovascular (CVD) risk. Nicotine metabolism was most associated with severity of dependence and treatment response, where as HPA axis and CVD markers showed less robust associations with dependence and relapse risk. Conclusions Nicotine-metabolite ratio, cortisol, and atherogenicity markers appear to be the most promising lead biomarkers for further investigation, though the body of literature is still preliminary. Longitudinal, repeated-measures studies are required to determine the directionality of the observed associations and determine true predictive power of these biomarkers. Future studies should also endeavour to study populations with comorbid psychiatric disorders to determine differences in utility of certain biomarkers.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».