Comparative analysis of serum amino acid levels and their potential as biomarkers in liver cirrhosis: a systematic review and meta-analysis
Notice bibliographique
Résumé
Early detection and precise prevention are crucial for reducing complications and mortality in liver cirrhosis (LC). The predictive value of amino acids profiles in monitoring the development of LC lacks consistent and comprehensive conclusions. This study aimed to review existing studies utilizing metabolomics to detect serum amino acid levels in LC patients. Meta-analysis was performed to identify potential biomarkers predictive of LC. Literature retrieved from eight databases between January 1, 2000 and August 1, 2025 was screened according to the inclusion criteria. The Newcastle-Ottawa Quality Assessment Scale (NOS) was used to assess the risk of bias in the included studies. A random-effects model for amino acid concentrations in the meta-analysis was used to calculate mean differences (MD) and 95% confidence intervals (95% CI). The I2 statistic was used to measure study heterogeneity. This study has been registered with the PROSPERO. A total of 2125 records were retrieved, and 21 studies with 2254 individuals were included after screening, all of which were of high quality. Qualitative analysis of 21 studies including 23 amino acids. The meta-analysis of five studies showed that six amino acids (tyrosine, methionine, ornithine, threonine, citrulline and tryptophan) were significantly increased in the LC group, whereas two amino acids (arginine and valine) were significantly decreased. Subgroup analysis suggested that etiology and detection methods may be sources of heterogeneity in the results. This manuscript will provide a comprehensive of differential expression of amino acid profiles and provide potential theoretical evidence to subsequently guide the assessment and treatment of LC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».