DOP55 Histopathological features at diagnosis to predict long-term disease course of Crohn’s Disease
Notice bibliographique
Résumé
Abstract Background Crohn’s disease (CD) is characterized by a heterogeneous disease course and treatment response. There is a clinical need to identify CD patients at diagnosis who are at risk for developing a severe disease course. Patient stratification using state-of-the-art clinical, serological or genetic markers does not predict disease course sufficiently to facilitate clinical decision making. The current study aimed to investigate the additive predictive value of histopathological features at diagnosis to discriminate between patients with a long-term mild and severe disease course. Methods Diagnostic biopsies from treatment-naïve CD patients with mild or severe disease courses in the first 10 years after diagnosis (i.e. based on the number of quarterly flares) were reviewed by two senior gastrointestinal pathologists after developing a standardized form comprising 15 histopathological features related to acute and chronic inflammation. Multivariable logistic regression models were built to identify predictive features and compute receiver operating characteristics (ROC) curves. Model 1 included clinically relevant baseline characteristics (Montreal classification, smoking status and gender). Next, histopathological were added by applying two different model-building strategies (forward selection and purposeful selection algorithm)(Model 2). Prediction models were internally validated using bootstrapping to obtain optimism-corrected performance estimates. Results In total, 817 biopsies from 137 CD patients (64 mild disease course, 73 severe disease course) were included. Based on clinical baseline characteristics alone, disease course could only be moderately predicted (Model 1 Area under ROC (AUROC): 0.738 (optimism 0.018), 95%CI 0.65–0.83, sensitivity 83.6%, specificity 53.1%). When adding histopathological features, in colonic, but not ileal, biopsies a combination of (1) basal plasmacytosis, (2) severe lymphocyte and plasma cell infiltration in the lamina propria, (3) Paneth cell metaplasia and (4) absence of ulcers were identified and resulted in significantly better prediction of a severe disease course (Model 2 AUROC: 0.883 (optimism 0.033), 95%CI 0.82–0.94, sensitivity 80.4%, specificity 84.2%, model 2 vs. model 1 AUROC p = 0.001)[Figure 1]. Conclusion In this first study investigating the additive predictive value of multiple histopathological features in biopsies at CD diagnosis, we found that certain features of chronic inflammation in colonic biopsies contributed to prediction of a severe disease course, thereby presenting a novel approach to improve stratification and facilitate clinical decision making.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».