MétaCan
Menu
Retour à la cohorte
Enregistrement W4281703481 · doi:10.3390/life12060869

Serum Metabolomic Signatures for Knee Cartilage Volume Loss over 10 Years in Community-Dwelling Older Adults

2022· article· en· W4281703481 sur OpenAlexafffund
Zikun Xie, Dawn Aitken, Ming Liu, Guanghua Lei, Graeme Jones, Flavia Cicuttini, Guangju Zhai

Notice bibliographique

RevueLife · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCartilageOsteoarthritisMedicineMetabolomicsMetaboliteBody mass indexInternal medicineOmicsPhysiologyPathologyBioinformaticsBiologyAnatomy

Résumé

récupéré en direct d'OpenAlex

Osteoarthritis (OA) is the most prevalent joint disorder characterized by joint structural pathological changes with the loss of articular cartilage as its hallmark. Tools that can predict cartilage loss would help identify people at high risk, thus preventing OA development. The recent advance of the metabolomics provides a new avenue to systematically investigate metabolic alterations in disease and identify biomarkers for early diagnosis. Using a metabolomics approach, the current study aimed to identify serum metabolomic signatures for predicting knee cartilage volume loss over 10 years in the Tasmania Older Adult Cohort (TASOAC). Cartilage volume was measured in the medial, lateral, and patellar compartments of the knee by MRI at baseline and follow-up. Changes in cartilage volume over 10 years were calculated as percentage change per year. Fasting serum samples collected at 2.6-year follow-up were metabolomically profiled using the TMIC Prime Metabolomics Profiling Assay and pairwise metabolite ratios as the proxies of enzymatic reaction were calculated. Linear regression was used to identify metabolite ratio(s) associated with change in cartilage volume in each of the knee compartments with adjustment for age, sex, and BMI. The significance level was defined at α = 3.0 × 10−6 to control multiple testing. A total of 344 participants (51% females) were included in the study. The mean age was 62.83 ± 6.13 years and the mean BMI was 27.48 ± 4.41 kg/m2 at baseline. The average follow-up time was 10.84 ± 0.66 years. Cartilage volume was reduced by 1.34 ± 0.72%, 1.06 ± 0.58%, and 0.98 ± 0.46% per year in the medial, lateral, and patellar compartments, respectively. Our data showed that the increased ratios of hexadecenoylcarnitine (C16:1) to tetradecanoylcarnitine (C14) and C16:1 to dodecanoylcarnitine (C12) were associated with 0.12 ± 0.02% reduction per year in patellar cartilage volume (both p < 3.03 × 10−6). In conclusion, our data suggested that alteration of long chain fatty acid β-oxidation was involved in patellar cartilage loss. While confirmation is needed, the ratios of C16:1 to C14 and C12 might be used to predict long-term cartilage loss.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,247
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLifeMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207