Blood-Derived Metabolic Signatures as Biomarkers of Injury Severity in Traumatic Brain Injury: A Pilot Study
Notice bibliographique
Résumé
Metabolomic biomarkers hold promise in aiding the diagnosis and prognostication of traumatic brain injury. In Canada, over 165,000 individuals annually suffer from a traumatic brain injury (TBI), making it one of the most prevalent neurological conditions. In this pilot investigation, we examined blood-derived biomarkers as proxy measures that can provide an objective approach to TBI diagnosis and monitoring. Using a 1H nuclear magnetic resonance (NMR)-based quantitative metabolic profiling approach, this study determined whether (1) blood-derived metabolites change during recovery in male participants with mild to severe TBI; (2) biological pathway analysis reflects mechanisms that mediate neural damage/repair throughout TBI recovery; and (3) changes in metabolites correlate to initial injury severity. Eight male participants with mild to severe TBI (with intracranial lesions) provided morning blood samples within 1–4 days and again 6 months post-TBI. Following NMR analysis, the samples were subjected to multivariate statistical and machine learning-based analyses. Statistical modelling displayed metabolic changes during recovery through group separation, and eight significant metabolic pathways were affected by TBI. Metabolic changes were correlated to injury severity. L-alanine (R= −0.63, p < 0.01) displayed a negative relationship with the Glasgow Coma Scale. This study provides pilot data to support the feasibility of using blood-derived metabolites to better understand changes in biochemistry following TBI.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 ».