Urine Biomarkers Predict Treatment Response in the MENTOR Study
Notice bibliographique
Résumé
Background: Membranous nephropathy (MN) is a common cause of nephrotic syndrome in adults. The outcome of patients with MN is highly variable and clinical parameters do not reliably identify which patients will respond to immunosuppressive therapy (IS). In the MENTOR trial >40% of subjects did not achieve complete or partial remission (CR/PR) of proteinuria by 12 months despite IS with rituximab or cyclosporine, exposing them to unnecessary IS and portending potentially poor prognosis. We evaluated whether a panel of urinary molecular markers of kidney inflammation and fibrosis improves the ability to identify treatment responders in the MENTOR trial beyond clinical data alone. Methods: We measured the abundance of 55 urinary cytokines, metalloproteases and their inhibitors at the time of randomization in 104 subjects using a Luminex-based multiplex assay. The primary outcome of interest was achievement of CR/PR at 12 months. Results: Patients achieving CR/PR had significantly higher CrCl (94.25 ±31.42 vs 75.17 ± 28.52 mL/min/1.73m2, p=0.002) and lower anti-PLA2R titre (168.5 IQR 20.5,341 vs 549 IQR 115.5,1345 U/mL, p= 0.0002) at baseline. Stepwise selection identified 3 clinical variables (CrCl, PLA2R, treatment) and 8 urinary proteins (IL9, IL10, GM-CSF, VEGF-A, TGFα, MMP2, MMP3, MMP10) associated with CR/PR. A model including the clinical and molecular variables improved discrimination of patients who are predicted to achieve CR/PR compared to a model containing clinical variables alone (ANOVA test p-value = 1.30x10-5, AUC 0.81 ± 0.096 vs. 0.70 ± 0.109). Conclusions: In summary, measurement of a panel urinary molecular markers improves the ability to predict remission at 12 months in patients with MN. Improved prediction of patients resistant to standard therapy using non-invasive markers has potential to offer more individualized treatment, to spare unnecessary treatment toxicity and to identify patients who may benefit from trials of novel therapeutic agents.Figure:: Receiver operating characteristic (ROC) curves for the prediction models selected by stepwise regression.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».