Predicting treatment outcome in congenital adrenal hyperplasia using urine steroidomics and machine learning
Notice bibliographique
Résumé
OBJECTIVE: Treatment monitoring of individuals with congenital adrenal hyperplasia (CAH) remains unsatisfactory. Comprehensive 24 h urine steroid profiling provides detailed insight into adrenal steroid pathways. We investigated whether 24 h urine steroid profiling can predict treatment control in children and adolescents with CAH using machine learning (ML). DESIGN: Prospective observational cohort study. METHODS: This study included children with 21-hydroxylase deficiency. On 24 h urines of 2 consecutive visits 40 steroids were measured by gas chromatography-mass spectrometry. Treatment outcome was clinically classified as undertreated, optimally treated or overtreated. We used sparse partial least squares discriminant analysis (sPLS-DA) to investigate prediction of treatment outcome. We computed area under the ROC-curve (AUC) of 2 sPLS-DA models: (1) using only 24 h urine metabolites and (2) adding clinical variables. RESULTS: We included 112 visits (68 optimal, 44 undertreatment) from 59 patients: 27 (46%) girls, 46 (78%) classic CAH, and 19 (32%) prepubertal. Mean age at first visit was 11.9 ± 4.0 years and mean BMI SDS 0.6 ± 1.1. SPLS-DA using 24 h urine metabolites showed clear clustering of optimally treated patients on 2 components, while undertreated patients were more heterogeneous (AUC 0.88). The model selected pregnanetriol and 17α-hydroxypregnanolone contributing to excluding optimal treatment and 5 metabolites contributing to excluding undertreatment: 17β-estradiol, cortisone, tetrahydroaldosterone, androstenetriol, and etiocholanolone. Addition of clinical variables marginally improved classification (AUC 0.90). CONCLUSIONS: Using ML on 24 h urine steroid profiling predicted treatment outcome in children with CAH, even in the absence of clinical data, suggesting that routine comprehensive 24 h urine steroid profiling could improve treatment monitoring in CAH.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».