Association of neonatal inflammatory markers and perinatal stroke subtypes
Notice bibliographique
Résumé
OBJECTIVE: To examine the relationship between neonatal inflammatory cytokines and perinatal stroke using a systems biology approach analyzing serum and blood-spot cytokines from 47 patients. METHODS: This was a population-based, controlled cohort study with prospective and retrospective case ascertainment. Participants were recruited through the Alberta Perinatal Stroke Project. Stroke was classified as neonatal arterial ischemic stroke (NAIS), arterial presumed perinatal ischemic stroke (APPIS), or periventricular venous infarction (PVI). Biosamples were stored blood spots (retrospective) and acute serum (prospective). Controls had comparable gestational and maternal ages. Sixty-five cytokines were measured (Luminex). Hierarchical clustering analysis was performed to create heat maps. The Fisher linear discriminant analysis was used to create projection models to determine discriminatory boundaries between stroke types and controls. RESULTS: A total of 197 participants were analyzed (27 with NAIS, 8 with APPIS, 12 with PVI, 150 controls). Cytokines were quantifiable with quality control measures satisfied (standards testing, decay analysis). Linear discriminant analysis had high accuracy in using cytokine profiles to separate groups. Profiles in participants with PVI and controls were similar. NAIS separation was accurate (sensitivity 77%, specificity 97%). APPIS mapping was also distinguishable from NAIS (sensitivity 86%, specificity 99%). Classification tree analysis generated similar diagnostic accuracy. CONCLUSIONS: Unique inflammatory biomarker signatures are associated with specific perinatal stroke diseases. Findings support an acquired pathophysiology and suggest the possibility that at-risk pregnancies might be identified to develop prevention strategies. CLASSIFICATION OF EVIDENCE: This study provides Class III evidence that differences in acute neonatal serum cytokine profiles can discriminate between patients with specific perinatal stroke diseases and controls.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».