A.02 Serum biomarkers of MS disease activity in patients treated with bone marrow transplant
Notice bibliographique
Résumé
Background: There is an unmet need for blood-based biomarkers that can reliably detect MS disease activity. Serum Biomarkers of interest includ Neurofilament-light-chain (NfL), Glial-fibrillary-strocyte-protein(GFAP) and Tau. Bone Marrow Transplantation (BMT) is reserved for aggressive forms of MS and has been shown to halt detectable CNS inflammatory activity for prolonged periods. Significant pre-treatment tissue damage at followed by inflammatory disease abeyance should be reflected longitudinal sera collected from these patients. Methods: Sera were collected from 23 MS patients pre-treatment, and following BMT at 3, 6, 9 and 12-months in addition from 33 non-inflammatory neurological controls. Biomarker quantification was performed with SiMoA. Results: Pre-AHSCT levels of serum NfL and GFAP but not Tau were elevated compared to controls (p=0.0001), and NfL correlated with lesion-based disease activity (6-month-relapse, MRI-T2 and Gadolinium-enhancement). 3-months post-treatment, while NfL levels remained elevated, Tau/GFAP paradoxically increased (p=0.0023/0.0017). These increases at 3m correlated with MRI ‘pseudoatrophy’ at 6-months. NfL/Tau levels dropped to that of controls by 6-months (p=0.0036/0.0159). GFAP levels dropped progressively after 6-months although even at 12-months remained higher than controls (p=0.004). Conclusions: NfL was the closest correlate of MS disease activity and treatment response. Chemotherapy-related toxicity may account for transient increases in NfL, Tau and MRI brain atrophy post-BMT.
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 | 0,002 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».