MedElevator
Войти в исследования :: мультимодальный подход к различению множественных фенотипов склероза при диагностике с использованием биомаркеров.
Аннотация
Множественный склероз (MS) является сложным и разнородным заболеванием, характеризующимся переменными клиническими результатами.
ЦЕЛЬ
Мы поставили перед собой цель разработать прогнозную модель, сочетающую в себе анализ основных компонентов (ПХА) и методы кластеризации для выявления биомаркеров, связанных с MS, и характеристики отдельных фенотипов.
DESIGN
моноцентрическое перекрестное исследование лечения наивных пациентов во время диагностирования MS.
МЕТОДЫ
Сбор данных о клинических, лабораторных и нейронизационных заболеваниях, включая измерения сетчатого слоя с помощью оптической томографии и цепочек нейрофильтрации (НФЛ).
Результаты
В состав группы входил 71 пациент в возрасте 35,7 лет (SD = 9,8). PCA получил пять компонентов со значениями эигена >1,0, что объясняет 68,1% общей разницы. В элементе 1 были выявлены сильные отрицательные коэффициенты толщины сетчатки (поликсиформальный слой клеточной клетки: - 0,82, перипиллярный слой сетчатки нервы (RNFL): - 0,79, макулярный RNFL: - 0,75) и умеренный положительный коэффициент для сыворотки NFL (0,45). Компонент 2 имел высокие положительные коэффициенты для NFL в цереброспинных жидкостях (0,88) и сыворотке (0,56). Группа K-means выявила две отдельные группы: одну (n = 33) с более толстыми слоями сетчатки, более высокими когнитивными характеристиками и неожиданно более высокими уровнями сыворотки NFL по сравнению с другой группой (n = 38).
ЗАКЛЮЧЕНИЕ
Эти выводы свидетельствуют о том, что MS может содержать отдельные фенотипические профили даже при диагностике. Для подтверждения этих ранних биомаркеров и уточнения индивидуализированных методов обработки необходимы будущие продольные исследования.
Название и аннотация на языке оригинала
A multimodal approach to distinguish multiple sclerosis phenotypes at diagnosis using biomarker profiles.
BACKGROUND
Multiple sclerosis (MS) is a complex and heterogeneous disease characterized by variable clinical outcomes.
OBJECTIVE
We aimed to develop a predictive model combining principal component analysis (PCA) and clustering techniques to identify biomarker sets associated with MS and characterize distinct phenotypes.
DESIGN
A monocentric, cross-sectional study on treatment naïve patients at the time of MS diagnosis.
METHODS
Clinical, laboratory, and neuroimaging data were collected, including retinal layer measurements via optical coherence tomography and neurofilament light (NFL) chains levels.
RESULTS
The cohort included 71 MS patients with mean age 35.7 years (SD = 9.8). PCA yielded five components with eigenvalues >1.0, explaining 68.1% of total variance. Component 1 showed strong negative coefficients for retinal thickness (ganglion cell-inner plexiform layer: -0.82, peripapillary retinal nerve fiber layer (RNFL): -0.79, macular RNFL: -0.75) and moderate positive coefficient for serum NFL (0.45). Component 2 featured high positive coefficients for NFL in cerebrospinal fluid (0.88) and serum (0.56). K-means clustering identified two distinct groups: one (n = 33) with thicker retinal layers, better cognitive performance, and unexpectedly higher serum NFL levels compared to the other group (n = 38).
CONCLUSION
These findings suggest that MS may present with distinct phenotypic profiles even at diagnosis. Future longitudinal studies are needed to validate these early biomarkers and refine personalized treatment approaches.
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.