Leucine-rich alpha-2 glycoprotein is useful in predicting clinical relapse in patients with Crohn’s disease during biological remission
Notice bibliographique
Résumé
Background/Aims: Serum leucine-rich alpha-2 glycoprotein (LRG) is a potential biomarker of Crohn’s disease (CD). This study aimed to evaluate the usefulness of LRG in predicting clinical relapse in patients in remission with CD. Methods: This retrospective observational study assessed the relationships among patient-reported outcome (PRO2), LRG, and other blood markers. The influence of LRG on clinical relapse was assessed in patients in remission with CD. Results: Data of 94 patients tested for LRG between January 2021 and May 2023 were collected. LRG level did not correlate with PRO2 score (ρ = 0.06); however, it strongly correlated with C-reactive protein (CRP) level (r=0.79) and serum albumin level (r=–0.70). Among 69 patients in clinical remission, relapse occurred in 22 patients (31.9%). In the context of predicting relapse, LRG showed the highest area under the curve, followed by CRP level, platelet count, and albumin level. Multivariate analysis revealed that only LRG (P= 0.02) was an independent factor for predicting clinical remission. The cumulative non-relapse rate was significantly higher in patients with LRG < 13.8 μg/mL than in patients in remission with LRG ≥ 13.8 μg/mL and normal CRP level (P= 0.002) or normal albumin level (P= 0.001). Cumulative non-relapse rate was also higher in patients with LRG < 13.8 μg/mL compared to those with LRG ≥ 13.8 μg/mL in patients with L3 or B2+B3 of Montreal calcification. Conclusions: LRG is useful in predicting clinical relapse in patients with CD during biological remission. LRG is a useful biomarker for predicting prognosis, even in patients with intestinal stenosis, or previous/present fistulas.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».