Serum biomarkers correlated with liver stiffness assessed in a multicenter study of pediatric cholestatic liver disease
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Detailed investigation of the biological pathways leading to hepatic fibrosis and identification of liver fibrosis biomarkers may facilitate early interventions for pediatric cholestasis. APPROACH AND RESULTS: A targeted enzyme-linked immunosorbent assay-based panel of nine biomarkers (lysyl oxidase, tissue inhibitor matrix metalloproteinase (MMP) 1, connective tissue growth factor [CTGF], IL-8, endoglin, periostin, Mac-2-binding protein, MMP-3, and MMP-7) was examined in children with biliary atresia (BA; n = 187), alpha-1 antitrypsin deficiency (A1AT; n = 78), and Alagille syndrome (ALGS; n = 65) and correlated with liver stiffness (LSM) and biochemical measures of liver disease. Median age and LSM were 9 years and 9.5 kPa. After adjusting for covariates, there were positive correlations among LSM and endoglin ( p = 0.04) and IL-8 ( p < 0.001) and MMP-7 ( p < 0.001) in participants with BA. The best prediction model for LSM in BA using clinical and lab measurements had an R2 = 0.437; adding IL-8 and MMP-7 improved R2 to 0.523 and 0.526 (both p < 0.0001). In participants with A1AT, CTGF and LSM were negatively correlated ( p = 0.004); adding CTGF to an LSM prediction model improved R2 from 0.524 to 0.577 ( p = 0.0033). Biomarkers did not correlate with LSM in ALGS. A significant number of biomarker/lab correlations were found in participants with BA but not those with A1AT or ALGS. CONCLUSIONS: Endoglin, IL-8, and MMP-7 significantly correlate with increased LSM in children with BA, whereas CTGF inversely correlates with LSM in participants with A1AT; these biomarkers appear to enhance prediction of LSM beyond clinical tests. Future disease-specific investigations of change in these biomarkers over time and as predictors of clinical outcomes will be important.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».