Differential Metabolites in Osteoarthritis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
(1) Many studies have attempted to utilize metabolomic approaches to explore potential biomarkers for the early detection of osteoarthritis (OA), but consistent and high-level evidence is still lacking. In this study, we performed a systematic review and meta-analysis of differential small molecule metabolites between OA patients and healthy individuals to screen promising candidates from a large number of samples with the aim of informing future prospective studies. (2) Methods: We searched the EMBASE, the Cochrane Library, PubMed, Web of Science, Wan Fang Data, VIP Date, and CNKI up to 11 August 2022, and selected relevant records based on inclusion criteria. The risk of bias was assessed using the Newcastle-Ottawa quality assessment scale. We performed qualitative synthesis by counting the frequencies of changing directions and conducted meta-analyses using the random effects model and the fixed-effects model to calculate the mean difference and 95% confidence interval. (3) Results: A total of 3798 records were identified and 13 studies with 495 participants were included. In the 13 studies, 132 kinds of small molecule differential metabolites were extracted, 58 increased, 57 decreased and 17 had direction conflicts. Among them, 37 metabolites appeared more than twice. The results of meta-analyses among four studies showed that three metabolites increased, and eight metabolites decreased compared to healthy controls (HC). (4) Conclusions: The main differential metabolites between OA and healthy subjects were amino acids (AAs) and their derivatives, including tryptophan, lysine, leucine, proline, phenylalanine, glutamine, dimethylglycine, citrulline, asparagine, acetylcarnitine and creatinine (muscle metabolic products), which could be potential biomarkers for predicting OA.
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 | 0,019 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,042 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».