Metabolomics as a Candidate for Endometriosis Biomarker: A Systematic Review
Notice bibliographique
Résumé
Background: To date, diagnosis is still a challenge in managing endometriosis. There is a need to develop a less invasive yet accurate approach, such as a biomarker, to help diagnose endometriosis earlier and more precisely. Metabolomics, the study of metabolites, are thought to provide a more accurate relation to phenotype compared to other omics technology and may help develop endometriosis biomarkers. This review aims to systematically summarize evidence regarding the use of metabolomics studies in the diagnosis of endometriosis. Methods: This review was conducted according to PRISMA 2020 guidelines. Including studies on endometriosis and metabolomics in Medline, Embase, and Cochrane Library to May 2022. Inclusion: Women of reproductive age, laparoscopically diagnosed — exclusion criteria: no full-text, languages other than English, and animal studies. Papers were screened and extracted using Covidence, appraised using Newcastle-Ottawa Scale (NOS), by two independent reviewers. Results: A total of 33 studies are included in this review, and 24 showed positive results regarding the metabolites identified and their association with endometriosis. Twenty-four studies reported good area under curve (AUC), sensitivity, and specificity scores in diagnosing endometriosis using a prediction model from the attained metabolites. However, the summary of these scores is not feasible due to the lack of standardization in reporting metabolomics studies. Both serum and endometriotic lesion microenvironments, such as peritoneal fluid, endometrioma, follicular fluid, and tissue lesions, give essential information on which metabolites are altered in endometriosis. Phosphatidylcholine (PC), acylcarnitines (AC), and sphingomyelins (SM) are these studies’ most frequent significant metabolites, but their levels vary. Although all studies had an overall good appraisal score, regarding confounders included, the variation in their methods of analysis and prediction model approach should be interpreted with caution. These predictions are also mostly done without using two different data groups for test and validation. Conclusions: Metabolomics studies may become an alternative for a less invasive approach to diagnosing endometriosis. This review revealed how encouraging results from metabolomics studies are. However, the need for more standardization in the study report and preliminary design for making a prediction model is still in the way of fully trusting metabolomics studies to account for endometriosis diagnostic biomarkers. Registration: PROSPERO CRD42022334916
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».