P711 Stool microbiome communities predict remission in pediatric Crohn’s disease patients even after start of treatment
Notice bibliographique
Résumé
Abstract Background Early relapse in children with Crohn’s Disease (CD) after reaching remission is associated with a more severe disease course that significantly impairs quality of life. We have previously shown that a Bayesian approach predicted clinical course in children with CD following the first year after diagnosis with high accuracy when ensuring samples were truly treatment-naïve. Here, we aimed to assess the impact on the accuracy when taking a broader timeframe of stool collection to baseline, in order to facilitate use in clinical trials and eventually daily practice. Methods We selected de novo paediatric CD patients with PCDAI>10 from the RISK cohort with baseline stool samples within 14 days after start of induction treatment. We assessed if they sustained remission at 12 months (PCDAI≤10). Using QIIME2 sequences were demultiplexed, joined, and denoised (deblur) to obtain amplicon sequence variants (ASVs). The ASVs were classified (classify-sklearn) using a pre-trained SILVA database. We used hierarchical Bayesian model for microbial community structure (BioMiCo), previously trained on treatment-naïve stool samples to predict treatment outcomes at 6 months according to baseline gut microbiome differences. Results Patient metadata and 16S rRNA amplicon data were available from 197 stool samples of newly diagnosed paediatric CD patients as part of the RISK cohort. Previous analysis of 42 truly treatment-naïve samples lead to prediction of samples in patients maintaining remission without early treatment escalation and those that did not in 81% and 75% (AUC=0.79). In this analysis, we selected 13 samples of children with PCDAI that were taken within 14 days after start of induction therapy. PCDAI varied from 15–47.5 at baseline. Therapy regimens started within the first 14 days were EEN, 5ASA, corticosteroids, immunomodulators and antibiotics. The Bayesian model predicted 12-month outcome of patients that maintained remission with a positive predictive value of 75% and negative predictive value of 60% (AUC 0.76). Conclusion Using treatment-naïve faecal samples only, a Bayesian approach predicted clinical course in treatment-naïve children with CD over the first year after diagnosis with high accuracy. When taking a broader timeframe of stool collection after start of treatment, the accuracy of the model decreased only slightly. Further exploration of microbiome signatures and potential use in practice should therefore emphasize the importance of treatment naivety of samples, but not necessarily rule them out for prediction of treatment outcome.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».