Exploring Protein Quantitation Methods to Detect Useful Plasma Biomarkers for Distinguishing Ischemic Stroke from Mimic (I2.013)
Notice bibliographique
Résumé
Objective: To prospectively compare plasma proteins between disabling ACVS and mimic patients using two protein quantitation methods, as part of a larger multi-phase proteomic ACVS study. Background: A blood-based biomarker test for acute cerebrovascular syndrome (ACVS) would help select patients for advanced imaging and specialist referral, particularly in mild disease where mimic rates are over 50[percnt]. Methods: Blood was collected in the ED from ACVS patients (n=20) with an NIHSS>5 and <24 hours from symptom onset. Mimic patients (n=20) were enrolled from an ambulatory TIA clinic. Patient phenotype was based on clinical findings and imaging. Average time from stroke symptom onset to blood collection was < 10 hrs. 95[percnt] of EDTA plasma samples were frozen within 41 minutes of collection. 31 proteins were quantified using commercial ELISA kits and 141 proteins were analyzed using mass spectrometry (1D-LC/MRM). Results: 60[percnt] of stroke and 65[percnt] of mimic patients were female, and stroke patients were older: median [range] age 77 [46, 95] vs. 63[36, 77]. The 3 most frequent mimic sub-types were migraine (25[percnt]), neuropathy(20[percnt]), and transient global amnesia (20[percnt]). 29 proteins (23 by MRM, 6 by ELISA) were differentially abundant between mimic and stroke (each ELISA p<0.1, MRM p<0.05). Including the first two principal components of these proteins in a logistic regression model significantly improved discrimination (p<0.01, AUC 0.985 vs. 0.810) over a model with age. The 29 significant proteins included markers of inflammation (45[percnt]), coagulation (41[percnt]), neurovascular unit injury (7[percnt]), and atrial fibrillation (7[percnt]). Conclusions: These results provide proof of concept that proteomic signals can be useful in ACVS diagnosis in more severe cases.The analyses have shaped our prospective verification (completed, n=560) and validation studies (ongoing, n=1200) of the use of proteomics in the diagnosis of mimic vs. mild-ACVS in early Emergency Department triage.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».