Ultrasensitive immunoassay allows measurement of serum neurofilament heavy in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Neurofilament heavy (NfH) is a promising biomarker for neuro-axonal damage in Multiple Sclerosis (MS). We compared the performance of high-sensitivity serum-NfH immunoassays, with as aim to investigate the value of serum-NfH as biomarker for MS. METHODS: We measured serum-NfH in 76 MS patients with Simoa (one commercial, one in-house) or Luminex assays. Serum-NfH measured by the immunoassay with greatest sensitivity was related to clinical and radiological outcomes with age and sex-adjusted linear regression analysis, and to biological outcomes cerebrospinal fluid (CSF)-NfH, serum neurofilament light (NfL) and CSF-NfL with Spearman's correlation analysis. RESULTS: With the commercial Simoa assay, we obtained 100% serum-NfH detectability (in-house Simoa: 70%, Luminex: 61%), with lowest coefficient of variation (CV) between duplicates of 11%CV (in-house Simoa: 22%CV, Luminex: 30%CV). Serum-NfH quantified with the commercial Simoa assay was associated with disease duration (standardized beta (sβ) = 0.28, p = 0.034), T2 lesion volume (sβ = 0.23, p = 0.041), and tended to associate with black hole count (sβ = 0.21, p = 0.084) but not with Expanded Disease Disability Score (EDSS) or normalized brain volume (all: p>0.10). Furthermore, serum-NfH showed correlations with CSF-NfH (rho = 0.27, p = 0.018) and serum-NfL (rho=0.44, p < 0.001), but not with CSF-NfL. CONCLUSIONS: Serum-NfH can be quantified with high-sensitivity technology. Cross-sectionally, we observed some weak correlations of serum-NfH with MS disease burden parameters, suggesting there might be some utility for serum-NfH as biomarker for MS disease burden.
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 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».