Multimodal Noninvasive Assessment of C-Reactive Protein for Systemic Inflammation in Adults: Cross-Sectional Study
Notice bibliographique
Résumé
Background: Accurate and accessible measurements of inflammatory biomarkers are crucial for the diagnosis and monitoring of inflammatory diseases. The gold-standard C-reactive protein (CRP) requires venipuncture, which, despite providing high-quality samples, can cause discomfort, anxiety, and pain, particularly in vulnerable populations such as older patients. It is also resource-intensive, is unsuitable for remote or at-home use, and lacks continuous monitoring capability. These limitations limit patient autonomy and self-management, potentially leading to poorer prognosis due to delays in assessment and medical treatments. As digital health technologies advance, there is increasing interest in leveraging digital biomarkers for remote and real-time monitoring of systemic inflammation. Digital biomarkers derived from noninvasive biofluids could provide a scalable solution for tracking inflammatory status, offering a patient-centered alternative to traditional blood-based assessments. To date, however, there is no consensus on the most suitable modality for assessment or its digitization potential. Therefore, a comprehensive evaluation of the feasibility, reliability, and patient acceptability toward noninvasive, digital inflammatory biomarkers is needed. Objective: Our aim is to evaluate the feasibility of various noninvasive methods to assess inflammatory markers and identify the optimal modality for predicting serum CRP levels. Methods: Inflammatory biomarkers were assessed in 20 participants (10 patients with systemic inflammation defined as a CRP level >5 mg/L and 10 controls) using 6 noninvasive samples (urine, sweat, saliva, exhaled breath, core body temperature, and stool samples) alongside serum samples. Patient preferences were retrieved via a questionnaire. Mann-Whitney U test, Spearman correlation, and all-subset regression were conducted to assess the relationships between serum and nonserum biomarkers and identify optimal predictive models for serum CRP levels. Results: CRP levels were significantly elevated in the inflammation group compared to controls in urine (median 4.5, IQR 4.15-10.3 vs median 0.69, IQR 0.24-1.39 μg/mmol; P=.001) and saliva (median 4910, IQR 2735-13,275 vs median 473, IQR 309-700 pg/mL; P=.001). Urine and saliva CRP levels strongly correlated with serum CRP (rsp=0.886; P<.001; rsp=0.709; P<.001). The multimodal model using urine and saliva CRP predicted serum CRP levels with 76.1% outperforming single-modality models. Patients favored urine and saliva tests over blood tests. Conclusions: Urine and saliva represent promising noninvasive alternatives to traditional blood tests for assessing CRP, enabling more accessible and less invasive diagnostic and monitoring approaches.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».