Circulating microRNA expression signatures accurately discriminate myalgic encephalomyelitis from fibromyalgia and comorbid conditions
Notice bibliographique
Résumé
Myalgic encephalomyelitis/chronic fatigue syndrome (ME/CFS), and fibromyalgia (FM) are two chronic complex diseases with overlapping symptoms affecting multiple systems and organs over time. Due to the absence of validated biomarkers and similarity in symptoms, both disorders are misdiagnosed, and the comorbidity of the two is often unrecognized. Our study aimed to investigate the expression profiles of 11 circulating miRNAs previously associated with ME/CFS pathogenesis in FM patients and individuals with a comorbid diagnosis of FM associated with ME/CFS (ME/CFS + FM), and matched sedentary healthy controls. Whether these 11 circulating miRNAs expression can differentiate between the two disorders was also examined. Our results highlight differential circulating miRNAs expression signatures between ME/CFS, FM and ME/CFS + FM, which also correlate to symptom severity between ME/CFS and ME/CFS + FM groups. We provided a prediction model, by using a machine-learning approach based on 11 circulating miRNAs levels, which can be used to discriminate between patients suffering from ME/CFS, FM and ME/CFS + FM. These 11 miRNAs are proposed as potential biomarkers for discriminating ME/CFS from FM. The results of this study demonstrate that ME/CFS and FM are two distinct illnesses, and we highlight the comorbidity between the two conditions. Proper diagnosis of patients suffering from ME/CFS, FM or ME/CFS + FM is crucial to elucidate the pathophysiology of both diseases, determine preventive measures, and establish more effective treatments.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».