Potential biomarkers for tuberculous meningitis diagnosis using metabolomics and proteomics: a systematic review
Notice bibliographique
Résumé
Tuberculosis (TB) is the leading cause of death from a single infectious agent, with approximately 1.2 million deaths reported in 2023. While TB primarily affects the lungs, it can also spread to other organs, where it is classified as extrapulmonary TB. Tuberculous meningitis (TBM) is the most severe form of extrapulmonary TB, affecting 1–5% of TB cases. Delayed diagnosis contributes to its high mortality and severe neurological complications, with approximately 10% of affected individuals dying or suffering permanent neurological damage. When combined with adjunctive therapy, early detection and treatment can significantly improve survival outcomes. Currently, many studies have identified potential biomarkers of TBM; however, to date, there is no clear consensus on the markers altered in TBM. Hence, we conducted a systematic review aimed at identifying metabolites and proteins that are significantly altered in TBM when compared with healthy controls. Three databases — PubMed, Scopus, and Web of Science — were scanned by two independent reviewers for potential articles that met our inclusion and exclusion criteria. After quality assessment, 17 studies were included, comprising a total of 963 participants (healthy control, n = 576; TBM, n = 387). Metabolites and proteins identified as being significantly altered across studies included alanine, isoleucine, myo-inositol, valine, arachidonate 5-lipoxygenase (ALOX5), apolipoprotein B (APOB), and glial fibrillary acidic protein (GFAP), which were detected in serum, urine, brain tissue, and cerebrospinal fluid samples. These markers have potential diagnostic value for TBM. However, further validation is needed to determine their specificity to reliably distinguish TBM from other neurological infections, which could improve early diagnosis and patient outcomes in TBM.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».