MétaCan
Menu
Retour à la cohorte
Enregistrement W4404173469 · doi:10.1164/rccm.202407-1394oc

Unsupervised Classification of the Host Response Identifies Dominant Pathobiological Signatures of Sepsis in Sub-Saharan Africa

2024· article· en· W4404173469 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Imaging for Blood Diseases
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNHLBI Division of Intramural ResearchNational Center for Advancing Translational SciencesNational Heart, Lung, and Blood InstituteFogarty International CenterNational Institute of Allergy and Infectious DiseasesDivision of Intramural Research, National Institute of Allergy and Infectious DiseasesBurroughs Wellcome Fund
Mots-clésMedicineHost responseHost (biology)SepsisIntensive care medicineImmunologyGeneticsBiologyImmune system

Résumé

récupéré en direct d'OpenAlex

Abstract Rationale The global burden of sepsis is concentrated in sub-Saharan Africa, where inciting pathogens are diverse and HIV coinfection is a major driver of poor outcomes. Biological heterogeneity inherent to sepsis in this setting is poorly defined. Objectives To identify dominant pathobiological signatures of sepsis in sub-Saharan Africa and their relationship to clinical phenotypes, patient outcomes, and biological classifications of sepsis identified in high-income countries (HICs). Methods We analyzed two prospective cohorts of adults hospitalized with sepsis (severe infection with quick Sepsis-related Organ Failure Assessment score ⩾1) at disparate settings in Uganda (discovery cohort [Entebbe, urban], n = 242; validation cohort [Tororo, rural], n = 253). To identify pathobiological signatures in the discovery cohort, we applied unsupervised clustering to 173 soluble proteins reflecting key domains of the host response to severe infection. A random forest-derived classifier was used to predict signature assignment in the validation cohort. Measurements and Main Results Two signatures (Uganda Sepsis Signature [USS]-1 and USS-2) were identified in the discovery cohort, distinguished by expression of proteins involved in myeloid cell and inflammasome activation, T-cell costimulation and exhaustion, and endothelial barrier dysfunction. A five-protein classifier (area under the receiver operating characteristic curve, 0.97) reproduced two signatures in the validation cohort with similar biological profiles. In both cohorts, USS-2 mapped to a more severe clinical phenotype associated with HIV and related immunosuppression, severe tuberculosis, and increased risk of 30-day mortality. Substantial biological overlap was observed between USS-2 and hyperinflammatory and reactive sepsis phenotypes identified in HICs. Conclusions We identified prognostically enriched pathobiological signatures among patients with sepsis with diverse infections and high HIV prevalence in Uganda. Globally inclusive investigations are needed to define generalizable and context-specific mechanisms of sepsis pathobiology, with the goal of improving access to precision medicine treatment strategies.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,843
Score d'incertitude au seuil0,644

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,297
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle