Laboratory biomarkers of delayed cerebral ischemia following subarachnoid hemorrhage: A systematic review
Notice bibliographique
Résumé
Delayed cerebral ischemia (DCI) substantially contributes to disability and death in subarachnoid hemorrhage (SAH) patients; however, its pathophysiology is incompletely understood and diagnostic and therapeutic strategies are lacking. Biomarkers may help to elucidate the pathophysiology, optimize early diagnosis, or provide treatment targets. We systematically searched PubMed and Embase on October 13, 2021, for studies that evaluated at least one laboratory biomarker in patients with DCI, using the most up-to-date definition of DCI as proposed by a panel of experts in 2010. Quality of studies was assessed using the Newcastle-Ottawa Scale or Cochrane Collaboration's risk of bias assessment tool. Biomarkers of clinical and radiological DCI were analyzed separately. Results were meta-analyzed if possible, otherwise narratively reviewed. Biomarkers were classified as significant, inconclusive, or nonsignificant. We defined validated biomarkers as those with significant results in meta-analyses, or in at least two studies using similar methodologies within the same time interval after SAH. The search yielded 209 articles with 724 different biomarkers; 166 studies evaluated 646 biomarkers of clinical DCI, of which 141 were significant and 7 were validated biomarkers (haptoglobulin 2-1 and 2-2, ADAMTS13, vWF, NLR, P-selectin, F2-isoprostane); 78 studies evaluated 165 biomarkers of radiological DCI, of which 63 were significant and 1 was a validated biomarker (LPR). Hence, this review provides a selection of seven biomarkers of clinical DCI and one biomarker of radiological DCI as most promising biomarkers of DCI. Future research should focus on determining the exact predictive, diagnostic, and therapeutic potentials of these biomarkers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».