Metabolomics as a tool to predict the risk of decompensation or liver-related death in patients with compensated cirrhosis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Patients with compensated cirrhosis with clinically significant portal hypertension (CSPH: HVPG > 10 mm Hg) have a high risk of decompensation. HVPG is, however, an invasive procedure not available in all centers. The present study aims to assess whether metabolomics can improve the capacity of clinical models in predicting clinical outcomes in these compensated patients. APPROACH AND RESULTS: This is a nested study from the PREDESCI cohort (an RCT of nonselective beta-blockers vs. placebo in 201 patients with compensated cirrhosis and CSPH), including 167 patients for whom a blood sample was collected. A targeted metabolomic serum analysis, using ultra-high-performance liquid chromatography-mass spectrometry, was performed. Metabolites underwent univariate time-to-event cox regression analysis. Top-ranked metabolites were selected using Log-Rank p -value to generate a stepwise cox model. Comparison between models was done using DeLong test. Eighty-two patients with CSPH were randomized to nonselective beta-blockers and 85 to placebo. Thirty-three patients developed the main endpoint (decompensation/liver-related death). The model, including HVPG, Child-Pugh, and treatment received ( HVPG/Clinical model ), had a C-index of 0.748 (CI95% 0.664-0.827). The addition of 2 metabolites, ceramide (d18:1/22:0) and methionine (HVPG/Clinical/Metabolite model), significantly improved the model's performance [C-index of 0.808 (CI95% 0.735-0.882); p =0.032]. The combination of these 2 metabolites together with Child-Pugh and the type of treatment received (Clinical/Metabolite model) had a C-index of 0.785 (CI95% 0.710-0.860), not significantly different from the HVPG-based models including or not metabolites. CONCLUSIONS: In patients with compensated cirrhosis and CSPH, metabolomics improves the capacity of clinical models and achieves similar predictive capacity than models including HVPG.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».