文献

J-GLOBAL ID：202202254839209620   整理番号：22A1118756

肺移植転帰予測のためのex vivo肺潅流バイオマーカーの動力学モデリング【JST・京大機械翻訳】

Kinetic Modeling of Ex Vivo Lung Perfusion Biomarkers for the Prediction of Lung Transplant Outcomes

著者 (7件)： Zhou X. (Toronto Lung Transplant Program and Latner Thoracic Surgery Research Laboratories, Toronto General Hospital Research Institute, University Health Network, University of Toronto, Toronto, ON, Canada) ,  Sage A.T. (Toronto Lung Transplant Program and Latner Thoracic Surgery Research Laboratories, Toronto General Hospital Research Institute, University Health Network, University of Toronto, Toronto, ON, Canada) ,  Chao B.T. (Toronto Lung Transplant Program and Latner Thoracic Surgery Research Laboratories, Toronto General Hospital Research Institute, University Health Network, University of Toronto, Toronto, ON, Canada) ,  Yeung J.C. (Toronto Lung Transplant Program and Latner Thoracic Surgery Research Laboratories, Toronto General Hospital Research Institute, University Health Network, University of Toronto, Toronto, ON, Canada) ,  Liu M. (Toronto Lung Transplant Program and Latner Thoracic Surgery Research Laboratories, Toronto General Hospital Research Institute, University Health Network, University of Toronto, Toronto, ON, Canada) ,  Cypel M. (Toronto Lung Transplant Program and Latner Thoracic Surgery Research Laboratories, Toronto General Hospital Research Institute, University Health Network, University of Toronto, Toronto, ON, Canada) ,  Keshavjee S. (Toronto Lung Transplant Program and Latner Thoracic Surgery Research Laboratories, Toronto General Hospital Research Institute, University Health Network, University of Toronto, Toronto, ON, Canada)
資料名： Journal of Heart and Lung Transplantation  (Journal of Heart and Lung Transplantation)
巻： 41  号： 4 S  ページ： S256  発行年： 2022年 
JST資料番号： W3128A  ISSN： 1053-2498  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多くのex vivo肺潅流(EVLP)バイオマーカー研究は,肺移植結果を予測するため,時間毎潅流サンプリングを含む;しかし,反復サンプリングとバイオマーカー動態プロファイルの診断と予測値は未知のままである。本研究では,EVLP潅流液における蛋白質バイオマーカーの数学モデルを構築し,速度モデル特徴の予測値を評価した。本研究では臨床EVLP症例(n=45)を用いた。潅流試料は,灌流の180分から15分ごとに採取した。7つの蛋白質バイオマーカーを調べた:GM-CSF,IL-10,IL-1β,IL-6,IL-8,sTNFR1,およびsTREM1。報告された標準化潅流交換を用いて,全ての濃度データを回路希釈のために補正した。5つの数学モデルを,バイオマーカー時系列データに適合するために試験した:線形,二次,指数,4および5パラメトリックロジスティック回帰。次に,モデル特徴を用いて,受信者動作特性曲線(AUROC)の下の面積を用いて,滞在のレシピエントICU長さを予測した。時系列データは,GM-CSF(r2=0.92),sTNFR1(r2=0.95),sTREM1(r2=0.96)が線形モデルを用いて最も良く記述され,一方,IL-10(r2=0.93),IL-1β(r2=0.92),IL-6(r2=0.95),およびIL-8(r2=0.98)が指数増殖曲線によって最もよく記述されたことを示した。バイオマーカーデータが希釈のために補正されたとき,モデル適合[p<0.05(IL-8,GM-CSF),p<0.001(IL-1β,IL-10,IL-6,sTNFR1,sTREM1)]において,有意な改善があった。”p<0.05(IL-8,GM-CSF),p<0.001(IL-1β,IL-10,IL-6,sTNFR1,sTREM1)]。GM-CSFとsTNFR1の線形モデルでは,変化率(勾配)はICU長-sta(<3日)の予測であった。指数モデルについては,速度定数がIL-1βおよびIL-8に対して予測され,一方,速度定数および開始値はIL-6に対して予測された。速度モデルの特徴と時間ごとのデータを組み合わせると,GM-CSF(AUROC=88%[95%CI:72-99]),IL-10(AUROC=81%[95%CI:61-99])およびIL-8(AUROC=72%[95%CI:50-94])に対する診断成績が改善された。速度論的モデリングはEVLP中の蛋白質バイオマーカー挙動を正確に反映するために利用でき,これらのモデルから抽出された特徴はEVLP結果の予測を改善する。本研究は,EVLP潅流液由来バイオマーカーの予測有用性を改善するための将来の研究を導くための重要な枠組みである。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 標準化 ,  数学モデル ,  希釈 ,  タンパク質 ,  成長曲線 ,  モデル ,  *潅流 ,  *肺移植 ,  インターロイキン6 ,  インターロイキン1 ,  *バイオマーカー ,  インターロイキン8
準シソーラス用語： ロジスティック回帰分析 ,  線形モデル ,  予測値 , 【Automatic Indexing@JST】

分類 (3件)： 消化器の基礎医学  (GH01020E) ,  泌尿生殖器の基礎医学  (GM01020T) ,  肝臓  (EJ06060J)

タイトルに関連する用語 (7件)： 肺移植 ,  転帰 ,  予測 ,  肺 ,  潅流 ,  バイオマーカー ,  動力学モデリング