Novel severe traumatic brain injury blood outcome biomarkers identified with proximity extension assay
Notice bibliographique
Résumé
OBJECTIVES: Severe traumatic brain injury (sTBI) patients suffer high mortality. Accurate prognostic biomarkers have not been identified. In this exploratory study, we performed targeted proteomics on plasma obtained from sTBI patients to identify potential outcome biomarkers. METHODS: Blood sample was collected from patients admitted to the ICU suffering a sTBI, using standardized clinical and computerized tomography (CT) imaging criteria. Age- and sex-matched healthy control subjects and sTBI patients were enrolled. Targeted proteomics was performed on plasma with proximity extension assays (1,161 proteins). RESULTS: Cohorts were well-balanced for age and sex. The majority of sTBI patients were injured in motor vehicle collisions and the most frequent head CT finding was subarachnoid hemorrhage. Mortality rate for sTBI patients was 40%. Feature selection identified the top performing 15 proteins for identifying sTBI patients from healthy control subjects with a classification accuracy of 100%. The sTBI proteome was dominated by markers of vascular pathology, immunity/inflammation, cell survival and macrophage/microglia activation. Receiver operating characteristic (ROC) curve analyses demonstrated areas-under-the-curves (AUC) for identifying sTBI that ranged from 0.870-1.000 (p≤0.005). When mortality was used as outcome, ROC curve analyses identified the top 3 proteins as Willebrand factor (vWF), Wnt inhibitory factor-1 (WIF-1), and colony stimulating factor-1 (CSF-1). Combining vWF with either WIF-1 or CSF-1 resulted in excellent mortality prediction with AUC of 1.000 for both combinations (p=0.011). CONCLUSIONS: Targeted proteomics with feature classification and selection distinguished sTBI patients from matched healthy control subjects. Two protein combinations were identified that accurately predicted sTBI patient mortality. Our exploratory findings require confirmation in larger sTBI patient populations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».