MétaCan
Menu
Retour à la cohorte
Enregistrement W3095678366 · doi:10.1021/acschemneuro.0c00492

Elevated Blood-Based Brain Biomarker Levels in Patients with Epileptic Seizures: A Systematic Review and Meta-analysis

2020· review· en· W3095678366 sur OpenAlexaffabout
Leila Simani, Masoumeh Sadeghi, Fari Ryan, Mohsen Dehghani, Somayeh Niknazar

Notice bibliographique

RevueACS Chemical Neuroscience · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueS100 Proteins and Annexins
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisEpilepsyBiomarkerMedicineStrictly standardized mean differenceInternal medicineSubgroup analysisPublication biasOncologyPsychiatryBiology

Résumé

récupéré en direct d'OpenAlex

Recently, growing attention has been paid to the changes of brain biomarkers following the epilepsy. However, establishing specific epilepsy-related biomarkers has been impeded due to contradictory findings. This study systematically reviewed the evidence on brain biomarkers in epilepsy and determined reliable biomarkers in epileptic patients. A comprehensive systematic search of online databases was performed to find eligible studies up to August 2019. The quality of studies methodologically was assessed using the Newcastle-Ottawa Scale score. Among the several biomarkers, S100 calcium binding protein B (S100B) and neuron specific enolase (NSE) have been qualified for meta-analysis of the association between epilepsy and the brain biomarkers. Inverse-variance weights method was used to calculate pooled standardized mean difference (SMD) estimate with 95% CI, and random effects meta-analysis was conducted taking into account conceptual heterogeneity. Sensitivity analysis and publication bias assessment was performed using Stata. Of 29 studies that were qualified for further analysis, only 22 studies were eligible to quantify by meta-analysis. Significant increase of serum S100B levels (SMD = 0.80; 95% CI 0.18 to 1.42) but not NSE (SMD = 0.45; 95% CI -0.09 to 1.00) has been found in epileptic patients compared with healthy controls. Subgroup meta-analysis by age demonstrated that S100B could be found in pediatric (SMD = 1.15; 95% CI 0.03 to 2.27) not adult patients (SMD = 0.43; 95% CI -0.12 to 0.98). Findings of this meta-analysis indicate that serum level of S100B is significantly increased in epileptic patients, suggesting the elevation and release of the brain biomarkers from brain to blood following epileptic seizures.

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)0,011
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,024
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0180,039
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,302
Écart entre enseignants0,252 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Chemical NeuroscienceMême sujetS100 Proteins and AnnexinsTravaux en français237 207