Association of presurgical circulating MicroRNAs with 1-year postsurgical pain reduction in spine facet osteoarthritis patients with lumbar spinal stenosis
Notice bibliographique
Résumé
Purpose: Up to 30% of spine facet osteoarthritis patients with lumbar spinal stenosis (SF-OA + LSS) have little to no improvement in their pain after surgery. Lack of meaningful improvement in pain following surgery provides a unique opportunity to identify specific predictive biomarker signatures that might be associated with the outcomes of surgical treatment. The objective of the present study was to determine whether a microRNA (miRNA) biomarker signature could be identified in presurgical blood plasma that corresponded with levels of SF-OA + LSS patient post-surgical pain intensity one year later. Methods: RNA was extracted from baseline plasma of SF-OA + LSS patients and prepared for miRNA sequencing. Statistical approaches were performed to identify differentially expressed miRNAs associated with reduced 1-year postsurgical pain (n = 56). Using an integrated computational approach, we further created predicted gene and pathway networks for each identified miRNA. Results: We identified a panel of 4 circulating candidate miRNAs (hsa-miR-155-5p, hsa-let-7e-5p, hsa-miR-125a-5p, hsa-miR-99b-5p) with higher levels at presurgical baseline that were associated with greater changes in % NPRS20Δ, reflecting reduced pain intensity levels at one year. Genes encoding hsa-let-7e-5p, hsa-miR-125a-5p, and hsa-miR-99b-5p are part of an evolutionarily conserved miRNA cluster. Using integrated computational analyses, we showed that mammalian target of rapamycin, transforming growth factor-β1 receptor, Wnt signaling, epithelial-mesenchymal transition regulators, and cholecystokinin signaling were enriched pathways of predicted gene targets. Conclusions: Taken together, our findings suggest that 4 presurgical baseline circulating miRNAs correlate with 1-year postsurgical SF-OA + LSS patient pain intensity and represent possible candidate biomarker signature of surgical pain response.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».