MétaCan
Menu
Retour à la cohorte
Enregistrement W4321459018 · doi:10.3389/fped.2023.967954

Autism spectrum disorder diagnosis using a new panel of immune- and inflammatory-related serum biomarkers: A case-control multicenter study

2023· article· en· W4321459018 sur OpenAlexaboutno aff
Benjamin Gesundheit, Philip D. Zisman, Leah Hochbaum, Yehudit Posen, Avraham Steinberg, Gerald M. Friedman, Hersh D. Ravkin, Eitan Rubin, Ouriel Faktor, Ronald Ellis

Notice bibliographique

RevueFrontiers in Pediatrics · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAutism spectrum disorderAutismLogistic regressionPediatricsImmunologyInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background and objectives: Children with autism spectrum disorder (ASD) present with distinctive clinical features. No objective laboratory assay has been developed to establish a diagnosis of ASD. Considering the known immunological associations with ASD, immunological biomarkers might enable ASD diagnosis and intervention at an early age when the immature brain has the highest degree of plasticity. This work aimed to identify diagnostic biomarkers discriminating between children with ASD and typically developing (TD) children. Methods: A multicenter, diagnostic case-control study trial was conducted in Israel and Canada between 2014 and 2021. In this trial, a single blood sample was collected from 102 children with ASD as defined in Diagnostic Statistical Manual of Mental Disorders [DSM)-IV (299.00) or DSM-V (299.00)], and from 97 typically developing control children aged 3-12 years. Samples were analyzed using a high-throughput, multiplexed ELISA array which quantifies 1,000 human immune/inflammatory-related proteins. Multiple logistic regression analysis was used to obtain a predictor from these results using 10-fold cross validation. Results: Twelve biomarkers were identified that provided an overall accuracy of 0.82 ± 0.09 (sensitivity: 0.87 ± 0.08; specificity: 0.77 ± 0.14) in diagnosing ASD with a threshold of 0.5. The resulting model had an area under the curve of 0.86 ± 0.06 (95% CI: 0.811-0.889). Of the 102 ASD children included in the study, 13% were negative for this signature. Most of the markers included in all models have been reported to be associated with ASD and/or autoimmune diseases. Conclusion: The identified biomarkers may serve as the basis of an objective assay for early and accurate diagnosis of ASD. In addition, the markers may shed light on ASD etiology and pathogenesis. It should be noted that this was only a pilot, case-control diagnostic study, with a high risk of bias. The findings should be validated in larger prospective cohorts of consecutive children suspected of ASD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,276
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PediatricsMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207