microRNA Biomarkers in Paediatric Infection Diagnostics—Bridging the Gap Between Evidence and Clinical Application: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Distinguishing between bacterial and viral infections in children remains a significant challenge for clinicians. Traditional biomarkers have limited utility, often leading to antibiotic overprescription due to clinician uncertainty. With rising antimicrobial resistance, novel biomarkers are needed to improve diagnosis. This scoping review examines current host miRNA biomarkers for acute bacterial and viral infections in children (0-18), focusing on study methods, diagnostic metrics, and research gaps to support clinical translation. RESULTS: Of the 1147 articles identified, 36 studies were included. Notably, 72.2% of the studies originated from Asia, and the distribution across the paediatric age groups was relatively even. A total of 17 miRNAs were validated in at least two independent studies. Three miRNAs, hsa-miR-182-5p, hsa-miR-363-3p, and hsa-miR-206, were consistently associated with bacterial infection in children. Meanwhile, nine miRNAs were associated with viral infections: hsa-miR-155, hsa-miR-29a-3p, hsa-miR-155-5p, hsa-miR-150-5p, hsa-miR-140-3p, hsa-miR-142-3p, hsa-miR-149-3p, hsa-miR-210-3p, and hsa-miR-34a-5p. Across the 12 studies reporting diagnostic accuracy metrics, miRNA biomarkers exhibited a sensitivity ranging from 70% to 100%, and a specificity ranging from 72% to 100%. The area under the curve across the studies demonstrated a range from 0.62 to 0.99. CONCLUSIONS: This scoping review highlights the potential of miRNA targets for diagnosing paediatric infections when studied rigorously. However, clinical translation is limited by poor adherence to STARD guidelines, lack of robust diagnostic metrics, and study heterogeneity. Many studies were set up with a case-control design, a design that, while highlighting differences, is more likely to identify non-specific biomarkers rather than those that are useful for novel clinical diagnostics.
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 | 0,015 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».