Development and multi-center validation of a fully automated digital immunoassay for neurofilament light chain: toward a clinical blood test for neuronal injury
Notice bibliographique
Résumé
OBJECTIVES: Neurofilament light chain (NfL) has emerged as a promising biomarker for detecting and monitoring axonal injury. Until recently, NfL could only be reliably measured in cerebrospinal fluid, but digital single molecule array (Simoa) technology has enabled its precise measurement in blood samples where it is typically 50-100 times less abundant. We report development and multi-center validation of a novel fully automated digital immunoassay for NfL in serum for informing axonal injury status. METHODS: A 45-min immunoassay for serum NfL was developed for use on an automated digital analyzer based on Simoa technology. The analytical performance (sensitivity, precision, reproducibility, linearity, sample type) was characterized and then cross validated across 17 laboratories in 10 countries. Analytical performance for clinical NfL measurement was examined in individual patients with relapsing remitting multiple sclerosis (RRMS) after 3 months of disease modifying treatment (DMT) with fingolimod. RESULTS: The assay exhibited a lower limit of detection (LLoD) of 0.05 ng/L, a lower limit of quantification (LLoQ) of 0.8 ng/L, and between-laboratory imprecision <10 % across 17 validation sites. All tested samples had measurable NfL concentrations well above the LLoQ. In matched pre-post treatment samples, decreases in NfL were observed in 26/29 RRMS patients three months after DMT start, with significant decreases detected in a majority of patients. CONCLUSIONS: The sensitivity characteristics and reproducible performance across laboratories combined with full automation make this assay suitable for clinical use for NfL assessment, monitoring in individual patients, and cross-comparisons of results across multiple sites.
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 | 0,014 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».