Hyperferritinemia Screening to Aid Identification and Differentiation of Patients with Hyperinflammatory Disorders
Notice bibliographique
Résumé
High ferritin is an important and sensitive biomarker for the various forms of hemophagocytic lymphohistiocytosis (HLH), a diverse and deadly group of cytokine storm syndromes. Early action to prevent immunopathology in HLH often includes empiric immunomodulation, which can complicate etiologic work-up and prevent collection of early/pre-treatment research samples. To address this, we instituted an alert system at UPMC Children's Hospital where serum ferritin > 1000 ng/mL triggered real-time chart review, assessment of whether the value reflected "inflammatory hyperferritnemia (IHF)", and biobanking of remnant samples from consenting IHF patients. We extracted relevant clinical data; periodically measured serum total IL-18, IL-18 binding protein (IL-18BP), and CXCL9; retrospectively classified patients by etiology into infectious, rheumatic, or immune dysregulation; and subjected a subgroup of samples to a 96-analyte biomarker screen. 180 patients were identified, 30.5% of which had IHF. Maximum ferritin levels were significantly higher in patients with IHF than with either hemoglobinopathy or transplant, and highly elevated total IL-18 levels were distinctive to patients with Stills Disease and/or Macrophage Activation Syndrome (MAS). Multi-analyte analysis showed elevation in proteins associated with cytotoxic lymphocytes in all IHF samples when compared to healthy controls and depression of proteins such as ANGPT1 and VEGFR2 in samples from hyperferritinemic sepsis patients relative to non-sepsis controls. This real-time IFH screen proved feasible and efficient, validated prior observations about the specificity of IL-18, enabled early sample collection from a complex population, suggested a unique vascular biomarker signature in hyperferritinemic sepsis, and expanded our understanding of IHF heterogeneity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».