MétaCan
Menu
Retour à la cohorte
Enregistrement W4390660787 · doi:10.1164/rccm.202308-1328oc

Host and Microbe Blood Metagenomics Reveals Key Pathways Characterizing Critical Illness Phenotypes

2024· article· en· W4390660787 sur OpenAlexaff
Lucile Neyton, Pratik Sinha, Aartik Sarma, Eran Mick, Katrina Kalantar, Stephanie Chen, Nelson Wu, Kevin Delucchi, Hanjing Zhuo, Lieuwe D. J. Bos, Alejandra Jáuregui, Antonio Gómez, Carolyn M. Hendrickson, Kirsten N. Kangelaris, Aleksandra Leligdowicz, Kathleen D. Liu, Michael A. Matthay, Charles Langelier, Carolyn S. Calfee

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésPhenotypeSepsisImmune dysregulationImmunologyMedicineGeneBiologyImmune systemGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Rationale Two molecular phenotypes of sepsis and acute respiratory distress syndrome, termed hyperinflammatory and hypoinflammatory, have been consistently identified by latent class analysis in numerous cohorts, with widely divergent clinical outcomes and differential responses to some treatments; however, the key biological differences between these phenotypes remain poorly understood. Objectives We used host and microbe metagenomic sequencing data from blood to deepen our understanding of biological differences between latent class analysis–derived phenotypes and to assess concordance between the latent class analysis–derived phenotypes and phenotypes reported by other investigative groups (e.g., Sepsis Response Signature [SRS1–2], molecular diagnosis and risk stratification of sepsis [MARS1–4], reactive and uninflamed). Methods We analyzed data from 113 patients with hypoinflammatory sepsis and 76 patients with hyperinflammatory sepsis enrolled in a two-hospital prospective cohort study. Molecular phenotypes had been previously assigned using latent class analysis. Measurements and Main Results The hyperinflammatory and hypoinflammatory phenotypes of sepsis had distinct gene expression signatures, with 5,755 genes (31%) differentially expressed. The hyperinflammatory phenotype was associated with elevated expression of innate immune response genes, whereas the hypoinflammatory phenotype was associated with elevated expression of adaptive immune response genes and, notably, T cell response genes. Plasma metagenomic analysis identified differences in prevalence of bacteremia, bacterial DNA abundance, and composition between the phenotypes, with an increased presence and abundance of Enterobacteriaceae in the hyperinflammatory phenotype. Significant overlap was observed between these phenotypes and previously identified transcriptional subtypes of acute respiratory distress syndrome (reactive and uninflamed) and sepsis (SRS1–2). Analysis of data from the VANISH trial indicated that corticosteroids might have a detrimental effect in patients with the hypoinflammatory phenotype. Conclusions The hyperinflammatory and hypoinflammatory phenotypes have distinct transcriptional and metagenomic features that could be leveraged for precision treatment strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,338
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207