MicroRNA biomarkers for diagnosis of mild traumatic brain injury and prediction of persistent symptoms: A prospective cohort study
Notice bibliographique
Résumé
The diagnosis of mild traumatic brain injury (mTBI) and early identification of patients who have persistent symptoms remains challenging. Symptoms are variably reported, and tests for cognitive impairment require specific expertise. The aim of this study was to assess the ability of plasma micro-ribonucleic acid (miRNA) biomarkers to distinguish between patients with mTBI and healthy controls. A secondary aim was to assess whether miRNA biomarker levels on the day of injury could predict persistent symptoms on day 7. Injured patients presented to an adult, tertiary referral hospital emergency department and were diagnosed with isolated mTBI (n = 75). Venous blood samples were collected within 6 h of injury. Symptom severity was assessed using the Rivermead Post-Concussion Symptom Questionnaire (RPQ) on the day of injury and at 7 days post-injury. The comparator group (n = 44) were healthy controls without any injury, who had bloods sampled and symptom severity assessed at the same time-point. Patients after mTBI reported higher symptom severity and had worse cognitive performance than the control group. Plasma miR423-3p levels were significantly higher among mTBI patients acutely post-injury compared to healthy controls and provided moderate discriminative ability (AUROC 0.67; 95 %CI: 0.57-0.77). None of the assessed miRNA biomarkers predicted persistent symptoms at 7 days. Plasma miR423-3p levels measured within 6 h of injury can discriminate for mTBI compared to healthy controls, with potential utility for screening after head injury or as an adjunct to the diagnosis of mTBI. Acute plasma miRNA levels did not predict patients who reported persistent symptoms at 7 days.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».