A three-marker protein biosignature distinguishes tuberculosis from other respiratory diseases in Gambian children
Notice bibliographique
Résumé
BACKGROUND: Our study aimed to identify a host cytokine biosignature that could distinguish childhood tuberculosis (TB) from other respiratory diseases (OD). METHODS: Cytokine responses in prospectively recruited children with symptoms suggestive of TB were measured in whole blood assay supernatants, harvested after overnight incubation, using a Luminex platform. We used logistic regression models with Least Absolute Shrinkage and Selection Operator (LASSO) penalty to identify the optimal biosignature associated with confirmed TB disease in the training set. We subsequently assessed its performance in the test set. FINDINGS: Of the 431 children included in the study, 44 had bacteriologically confirmed TB, 60 had clinically diagnosed TB while 327 had OD. All children were HIV-negative. Application of LASSO regression models to the training set (n = 260) resulted in the combination of IL-1ra, IL-7 and IP-10 from unstimulated samples as the optimally discriminant cytokine biosignature associated with bacteriologically confirmed TB. In the test set (n = 171), this biosignature distinguished children diagnosed with TB disease, irrespective of microbiological confirmation, from OD with area under the receiver operator characteristic curve (AUC) of 0•74 (95% CI: 0•67, 0•81), and demonstrated sensitivity and specificity of 72•2% (95% CI: 60•4, 82•1%) and 75•0% (95% CI: 64•9, 83•4%) respectively, with its performance independent of their age group and their age- and sex-adjusted nutritional status. INTERPRETATION: This novel biosignature of childhood TB derived from unstimulated supernatants is promising. Independent validation with further optimisation will improve its performance and translational potential. FUNDING: Steinberg Fellowship (McGill University); Grand Challenges Canada; MRC Program Grant.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».