GFAP and NfL as fluid biomarkers for clinical disease severity and disease progression in multiple system atrophy (MSA)
Notice bibliographique
Résumé
BACKGROUND: Multiple system atrophy (MSA), an atypical parkinsonian syndrome, is a rapidly progressive neurodegenerative disease with currently no established fluid biomarkers available. MSA is characterized by an oligodendroglial α-synucleinopathy, progressive neuronal cell loss and concomitant astrocytosis. Here, we investigate glial fibrillary acidic protein (GFAP) and neurofilament light chain (NfL) as fluid biomarkers for differential diagnosis, assessment of clinical disease severity and prediction of disease progression in MSA. METHODS: GFAP and NfL levels were analyzed in plasma and CSF samples of 47 MSA patients as well as 24 Parkinson's disease (PD) and 25 healthy controls (HC) as reference cohorts. In MSA, biomarker levels were correlated to baseline and longitudinal clinical disease severity (UMSARS scores). RESULTS: In MSA, GFAP levels in CSF and plasma predicted baseline clinical disease severity as indicated by UMSARS scores, while NfL levels predicted clinical disease progression as indicated by longitudinal changes in UMSARS scores. Cross-sectionally, NfL levels in CSF and plasma were significantly elevated in MSA compared to both PD and HC. Receiver operating curves (ROC) indicated high diagnostic accuracy of NfL for distinguishing MSA from PD (CSF: AUC = 0.97, 95% CI 0.90-1.00; plasma: AUC = 0.90, 95% CI 0.81-1.00). DISCUSSION: In MSA, GFAP shows promise as novel biomarker for assessing current clinical disease severity, while NfL might serve as biomarker for prediction of disease progression and differential diagnosis of MSA against PD.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».