Inflammatory-associated proteomic predictors of cognitive outcome in subjects with ELVO treated by mechanical thrombectomy
Notice bibliographique
Résumé
BACKGROUND: Emergent Large Vessel Occlusion (ELVO) stroke causes devastating vascular events which can lead to significant cognitive decline and dementia. In the subset of ELVO subjects treated with mechanical thrombectomy (MT) at our institution, we aimed to identify systemic and intracranial proteins predictive of cognitive function at time of discharge and at 90-days. These proteomic biomarkers may serve as prognostic indicators of recovery, as well as potential targets for novel/existing therapeutics to be delivered during the subacute stage of stroke recovery. METHODS: At the University of Kentucky Center for Advanced Translational Stroke Sciences, the BACTRAC tissue registry (clinicaltrials.gov; NCT03153683) of human biospecimens acquired during ELVO stroke by MT is utilized for research. Clinical data are collected on each enrolled subject who meets inclusion criteria. Blood samples obtained during thrombectomy were sent to Olink Proteomics for proteomic expression values. Montreal Cognitive Assessments (MoCA) were evaluated with categorical variables using ANOVA and t-tests, and continuous variables using Pearson correlations. RESULTS: There were n = 52 subjects with discharge MoCA scores and n = 28 subjects with 90-day MoCA scores. Several systemic and intracranial proteins were identified as having significant correlations to discharge MoCA scores as well as 90-day MoCA scores. Highlighted proteins included s-DPP4, CCL11, IGFBP3, DNER, NRP1, MCP1, and COMP. CONCLUSION: We set out to identify proteomic predictors and potential therapeutic targets related to cognitive outcomes in ELVO subjects undergoing MT. Here, we identify several proteins which predicted MoCA after MT, which may serve as therapeutic targets to lessen post-stroke cognitive decline.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».