Cerebrospinal fluid camk2a levels at baseline predict long-term progression in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Multiple sclerosis (MS) remains a highly unpredictable disease. Many hope that fluid biomarkers may contribute to better stratification of disease, aiding the personalisation of treatment decisions, ultimately improving patient outcomes. OBJECTIVE: The objective of this study was to evaluate the predictive value of CSF brain-specific proteins from early in the disease course of MS on long term clinical outcomes. METHODS: In this study, 34 MS patients had their CSF collected and stored within 5 years of disease onset and were then followed clinically for at least 15 years. CSF concentrations of 64 brain-specific proteins were analyzed in the 34 patient CSF, as well as 19 age and sex-matched controls, using a targeted liquid-chromatography tandem mass spectrometry approach. RESULTS: We identified six CSF brain-specific proteins that significantly differentiated MS from controls (p < 0.05) and nine proteins that could predict disease course over the next decade. CAMK2A emerged as a biomarker candidate that could discriminate between MS and controls and could predict long-term disease progression. CONCLUSION: Targeted approaches to identify and quantify biomarkers associated with MS in the CSF may inform on long term MS outcomes. CAMK2A may be one of several candidates, warranting further exploration.
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 | 0,004 | 0,012 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».