Identification of novel first-trimester serum biomarkers for early prediction of preeclampsia
Notice bibliographique
Résumé
BACKGROUND: Preeclampsia (PE) is a leading cause of maternal and perinatal mortality and morbidity worldwide, but effective early prediction remains a challenge due to the lack of reliable biomarkers. METHODS: Based on the extensive human biobank of our large-scale assisted reproductive cohort platform, the first-trimester serum levels of 48 cytokines, total immunoglobulins (Igs), anti-phosphatidylserine (aPS) antibodies, and several previously reported PE biomarkers [including placental growth factor (PlGF), soluble fms-like tyrosine kinase-1 (sFlt-1), and activin A] were measured in 34 women diagnosed with PE and 34 matched normotensive controls. RESULTS: The PE group has significantly higher first-trimester serum levels of interleukin (IL)-2Rα, IL-9, tumor necrosis factor-β (TNF-β), RANTES, hepatocyte growth factor (HGF), total IgM, and total IgG, and aPS IgG optical density (OD) value, as well as lower first-trimester serum levels of PlGF and total IgA and aPS-IgG immune complexes (IC) OD value than the control group. Combining top five first-trimester serum biomarkers (total IgM, total IgG, PlGF, aPS IgG, and total IgA) achieved superior predictive value [area under the curve (AUC) and 95% confidence interval (CI) 0.983 (0.952-1.000), with a sensitivity of 100% and a specificity of 94.1%] for PE development compared to PlGF and PlGF/sFlt-1 independently [AUC and 95% CI 0.825 (0.726-0.924) and 0.670 (0.539-0.800), respectively]. CONCLUSION: We identified novel first-trimester serum biomarkers and developed an effective first-trimester prediction model using immune-related factors and PlGF for PE, which could facilitate the development of early diagnostic strategies and provide immunological insight into the further mechanistic exploration of PE.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».