Noninvasive, MultiOmic, and Multicompartmental Biomarkers of Reflux Disease: A Systematic Review
Notice bibliographique
Résumé
Background and Aims Gastroesophageal reflux disease (GERD) is a prevalent gastrointestinal disorder that may complicate conditions such as obstructive airway disease. Our group has identified predictive biomarkers of GERD in particulate exposed first responders with obstructive airway disease. In addition, GERD diagnosis and treatment is costly and invasive. In light of these clinical concerns, we aimed to systematically review studies identifying noninvasive, multiOmic, and multicompartmental biomarkers of GERD. Methods A systematic review of PubMed and Embase was performed using keywords focusing on reflux disease and biomarkers and registered with PROSPERO. We included original human studies in English, articles focusing on noninvasive biomarkers of GERD published after December 31, 2009. GERD subtypes (non-erosive reflux disease and erosive esophagitis) and related conditions (Barrett's Esophagus [BE] and Esophageal Adenocarcinoma). Predictive measures were synthesized and risk of bias assessed (Newcastle-Ottawa Scale). Results Initial search identified n = 238 studies and n = 13 articles remained after applying inclusion/exclusion criteria. Salivary pepsin was the most studied biomarker with significant sensitivity and specificity for GERD. Serum assessment showed elevated levels of Tumor Necrosis Factor- alpha in both GERD and Barrett's. Exhaled breath volatile sulfur compounds and acetic acid were associated with GERD. Oral Microbiome: Models with Lautropia , Streptococcus , and Bacteroidetes showed the greatest discrimination between BE and controls vs Lautropia ; ROC AUC 0.94 (95% confidence interval; 0.85–1.00). Conclusion Prior studies identified significant multiOmic, multicompartmental noninvasive biomarker risks for GERD and BE. However, studies have a high risk of bias and the reliability and accuracy of the biomarkers identified are greatly limited, which further highlights the need to discover and validate clinically relevant noninvasive biomarkers of GERD.
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 | 0,013 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,007 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».