A novel prediction model of mortality in chronic pancreatitis using clinical characteristics and gene promoter hypermethylation status
Notice bibliographique
Résumé
Background Chronic pancreatitis (CP) is an inflammatory disease characterized by pain, functional deficits and increased mortality. The clinical course is unpredictable, and there are no classification systems or biomarkers to predict this. Identifying patients with high mortality risk is crucial for guiding clinical management and improving outcomes. This study presents a novel approach to a prognostic prediction model that combines clinical parameters and promoter hypermethylation (ph) of genes.Methods We performed methylation-specific quantitative polymerase chain reaction(qPCR) on a panel of 28 genes, using an accelerated bisulfite treatment protocol. We then developed a prognostic prediction model by backwards stepwise elimination using the methylation status of genes with a ph frequency > 5% and seven clinical factors. Survival was assessed with Kaplan-Meier survival curves and Cox regression.Results Ninety-seven patients with CP were included in the study. The final model included: Age, sex, exocrine insufficiency, diabetes, prior history of acute pancreatitis, and the methylation status of MLH1, HIC1, and RASSF1A. The model had an area under the curve (AUC) of 0.84 (95%CI: 0.76–0.92). A risk score was computed, and patients stratified into high and low-risk groups. The high-risk group had a significantly higher hazard ratio (HR) of death of 14.1 (95% CI; 4.3–46.0, p < 0.01).Conclusions This study serves as proof-of-concept that clinical factors can be combined with gene methylation status to provide additional prognostic information in patients with chronic pancreatitis. This could potentially aid the clinician in estimating which patients require intense follow-up. However, external validation is required.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».