Plasma metabolic profiling implicates dysregulated lipid metabolism and glycolytic shift in hyperinflammatory ARDS
Notice bibliographique
Résumé
Using latent class analysis (LCA) of clinical and protein biomarkers, researchers have identified two phenotypes of the acute respiratory distress syndrome (ARDS) with divergent clinical trajectories and treatment responses. We investigated whether plasma metabolites differed among patients with LCA-derived hyperinflammatory and hypoinflammatory ARDS, and we tested the prognostic utility of adding metabolic clusters to LCA phenotypes. We analyzed data from 93 patients with ARDS and sepsis enrolled in a multicenter prospective cohort of critically ill patients, comparing 970 metabolites between the two LCA-derived phenotypes. In all, 188 metabolites were differentially abundant between the two LCA-derived phenotypes. After adjusting for age, sex, confounding medications, and comorbid liver and kidney disease, 82 metabolites remained significantly different. Patients with hyperinflammatory ARDS had reduced circulating lipids but high levels of pyruvate, lactate, and malate. Metabolic cluster and LCA-derived phenotypes were each significantly and independently associated with survival. Patients with hyperinflammatory ARDS may be experiencing a glycolytic shift leading to dysregulated lipid metabolism. Metabolic profiling offers prognostic information beyond what is captured by LCA phenotypes alone. Deeper biological profiling may identify key differences in pathogenesis among patients with ARDS and may lead to novel targeted therapies.
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 | 0,001 | 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) | 0,001 | 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 ».