Serum Metabolomic Profiles of Rheumatoid Arthritis Patients With Acute-Onset Diffuse Interstitial Lung Disease
Notice bibliographique
Résumé
OBJECTIVE: pneumonia, and frequently occurs in patients with rheumatoid arthritis (RA). Since AoDILD causes a poor prognosis in RA, biomarkers for AoDILD were eagerly desired. Metabolomic analyses were extensively performed in cancer patients and successfully generated better diagnostic biomarkers. In the present study, serum metabolomic profiles of AoDILD in RA were investigated to generate better potential metabolomic biomarkers. METHODS: Serum samples of 10 RA patients with AoDILD were collected on admission and in a stable state, more than 3 months before the admission. Serum metabolomic analyses were conducted on the samples from these RA patients with AoDILD. RESULTS: Apparently distinct serum metabolomic profiles in AoDILD were not observed in univariate or hierarchical cluster analyses. Partial least squares-discriminant analysis (PLS-DA) was performed to select candidate metabolites based on variable importance in projection (VIP) scores. The PLS-DA model generated from the four metabolites with VIP scores more than 2.25 (mannosamine, alliin, kynurenine, and 2-hydroxybutyric acid) could successfully discriminate AoDILD from the stable condition (area under the curve: 0.962, 95% confidence interval: 0.778-1.000). CONCLUSION: It was demonstrated that metabolomic profiling was useful to generate better biomarkers in AoDILD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».