The Efficacy of miRNAs to Diagnose and Monitor Persistent Post- Concussive Syndrome: A Scoping Review
Notice bibliographique
Résumé
Persistent post-concussive symptoms (PPCS) refer to concussion symptoms that persist beyond 14 days (Johnson et al., 2018). Diagnosing PPCS relies heavily on subjective patient reporting and clinical examination, due to a lack of diagnostic tools. Biomarkers offer a solution to the current problem; specifically, micro ribonucleic acids (miRNAs) are a potential family of biomarkers that can be used as an objective standard for diagnosing and managing PPCS. Moreover, this type of biomarker can be collected through saliva samples thus offering a minimally invasive collection method. The purpose of this scoping review is to determine the efficacy of miRNAs as an objective biomarker that can confirm PPCS and track recovery. This review used the Arksey and O’Malley framework, which include PubMed, Physical Education Index, SPORTDiscus, and Web of Science databases. The peer-reviewed primary articles were published in English between 2018 and June 2024. The initial search yielded 913 articles, and only 4 articles reached the final review stage. Together, 27 unique miRNAs were identified throughout the four papers, many of which propose a strong link with particular PPCS symptoms. The findings of this scoping review were consistent with previous primary and secondary research, which support the clinical use of miRNAs for PPCS diagnosis and monitoring. Further longitudinal research with a more diverse patient population, and investigations on the link between symptoms and miRNA expression will help to better define the utility of miRNA in the context of PPCS.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».