Monocyte Gene Expression Distinguishes Enhancing Brain Parenchymal Cysticercal Granulomas From Tuberculomas
Notice bibliographique
Résumé
BACKGROUND: In patients with enhancing brain parenchymal lesions, parenchymal neurocysticercosis (pNCC) is often difficult to distinguish from tuberculoma, necessitating biopsy or empirical therapy. METHODS: In a prospective study, peripheral blood monocytes were isolated from patients with definitive pNCC (n = 39) and brain tuberculomas (n = 20). Patients with tuberculomas were diagnosed by the presence of concurrent systemic tuberculosis (n = 7), pathological or bacteriological confirmation (n = 5), and resolution of typical brain lesions following a therapeutic trial of antituberculous therapy (n = 8). Expressions of 14 NCC-associated monocyte genes were determined by quantitative polymerase chain reaction and analyzed for diagnostic usefulness between the 2 groups. RESULTS: Expression of 7 genes (TAX1BP1, RAP1A, PLCG2, TOR3A, GBP1P1, LRRFIP2, and FEZ2) was significantly higher in pNCC patients than in tuberculoma patients, with TAX1BP1 and RAP1A expressions more than 22- and 5-fold higher in pNCC patients. TAX1BP1 had the highest sensitivity of 66.7% at a specificity of 100% in discriminating pNCC from tuberculoma. A combination of TAX1BP1 and RAP1A increased the sensitivity to 84.6%, and including GBP1P1 with TAX1BP1 and RAP1A further increased sensitivity to 87.2% while maintaining specificity of 100%. CONCLUSIONS: Expression of a panel of genes in blood monocytes distinguishes pNCC from brain tuberculomas in patients with enhancing brain lesions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 tête enseignante, 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 ».