Serum glial fibrillary acidic protein as a marker of brain MRI metrics in multiple sclerosis: A scoping review
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Magnetic resonance imaging (MRI) is heavily relied upon for the diagnosis and monitoring of multiple sclerosis (MS), a chronic, demyelinating disease of the central nervous system. Serum biomarkers may serve as an accessible tool for increasing sensitivity, improving accessibility, corroborating symptoms, and providing additional data to guide clinical management. This scoping review investigates the current understanding of how the serum biomarker glial fibrillary acidic protein (sGFAP) relates to brain MRI metrics. METHODS: We adhered to the Joanna Briggs Institute methodology for scoping reviews and the Preferred Reporting Items for Systematic reviews and Meta-Analyses guidelines. The databases Medline (Ovid), Embase (Ovid), CINAHL (Ebsco), and Web of Science (University of British Columbia institutional access) were searched on August 24, 2023 using a combination of medical subject headings and keyword terms for the topic of serum biomarkers in MS. RESULTS: A total of 9880 articles were retrieved in total of which 6271 unique titles and abstracts were screened. Twelve of the 259 resultant papers contained sGFAP data and proceeded to extraction. It was found that lesion MRI metrics generally had a positive relationship with sGFAP, while gray matter and white matter metrics, including normal-appearing white matter, were related negatively or not at all. CONCLUSIONS: These results highlight that while sGFAP may not be specific for MS, it may have utility for increasing sensitivity in postdiagnosis monitoring of MS progression.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».