Non-coding RNAs as diagnostic biomarkers for preeclampsia: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Preeclampsia (PE), a grave obstetric complication, mandates the expeditious formulation of efficacious early diagnostic strategies. Accumulating evidence suggests that non - coding RNAs (ncRNAs), which are present in maternal circulation and placental tissues, display abnormal expression patterns in patients with PE, underscoring their potential as diagnostic biomarkers. This systematic review and meta - analysis intends to assess the diagnostic accuracy of ncRNAs for the detection of PE. Methods A comprehensive search was carried out across seven databases (China National Knowledge Infrastructure [CNKI], Wanfang Database, VIP Database, PubMed, Web of Science, Embase, and the Cochrane Library) up to December 25, 2024, to identify case - control and cohort studies exploring the diagnostic value of ncRNAs in PE. The quality of the studies was evaluated using the Quality Assessment of Diagnostic Accuracy Studies − 2 (QUADAS − 2) tool and the Newcastle - Ottawa Scale (NOS), and publication bias was assessed using Deeks’ funnel plot. The pooled sensitivity (SEN), specificity (SPE), diagnostic odds ratio (DOR), and area under the curve (AUC) were computed using Review Manager 5.4 and Meta - DiSc 1.4. Results Among the 2,201 identified studies, 40 fulfilled the inclusion criteria for qualitative synthesis. Forty - eight ncRNAs showed diagnostic potential, including 25 microRNAs (miRNAs), 9 long non - coding RNAs (lncRNAs), and 6 circular RNAs (circRNAs). The pooled sensitivity and specificity were 80% (95% confidence interval [CI]: 76–84%) and 82% (95% CI: 79–85%), respectively. Single miRNA assays presented superior diagnostic performance (sensitivity [SEN]: 85%, specificity [SPE]: 85%) in comparison to circRNAs (SEN: 80%, SPE: 79%). Notably, combinatorial panels consisting of 2–3 ncRNAs attained optimal diagnostic performance, with a sensitivity of 91% (95% CI: 88–94%), a specificity of 80% (95% CI: 76–84%), and an area under the curve (AUC) of 0.9418 (standard error [SE] = 0.0152). Conclusion Circulating ncRNAs exhibit significant potential as diagnostic biomarkers for PE, with multi-analyte panels providing improved diagnostic accuracy compared to single-marker strategies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,353 | 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 tête enseignante, 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 ».