针对76个卡尼丁指标的有针对性的检测与基于HPLC-MS/MS的机器学习算法相结合,用于诊断类风湿性关节炎

科学领域:

• 生物化学 生化学
• 免疫学 免疫学 免疫学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 风湿性关节炎 (RA) 的早期诊断和治疗对于减少患者残疾至关重要.
• 目前的RA诊断标准缺乏明确性,依赖于临床症状和血液标志物.

研究的目的:

• 为了调查卡尼丁在RA病变发生中的作用.
• 确定RA的新型诊断标志物和治疗点.
• 开发和验证用于早期RA检测的诊断模型.

主要方法:

• 在359名参与者 (207名RA患者,152名健康对照者) 中,使用高性能液体染色学质谱法 (HPLC-MS/MS) 分析了血清卡尼丁指标.
• 一种多指标查方法整合了76种肉和128种临床指标.
• 开发了一个诊断模型 (V8),并使用三个机器学习算法进行了验证.

主要成果:

• 使用八个候选指标的V8模型显示出高的诊断性能 (AUC>0.948,训练组准确率为89.18%;AUC>0.925,测试组准确率为85.87%).
• 24种卡尼丁被确定为RA风险因素.
• 与已确立的RA生物标志物相关的特定卡尼丁,如红细胞沉率 (ESR) 和抗体水平.

结论:

• 卡尼丁是类风湿性关节炎进展的组成部分.
• 开发的诊断模型表现出早期RA检测的卓越能力.
• 及时干预,通过改进的诊断来促进,可以最大限度地减少RA相关的残疾.