Purpose This study aims to develop a robust gene expression classifier that can predict disease relapse in patients with early-stage colorectal cancer (CRC). Patients and Methods Fresh frozen tumor tissue from 188 patients with stage I to IV CRC undergoing surgery was analyzed using Agilent 44K oligonucleotide arrays. Median follow-up time was 65.1 months, and the majority of patients (83.6%) did not receive adjuvant chemotherapy. A nearest mean classifier was developed using a cross-validation procedure to score all genes for their association with 5-year distant metastasis–free survival. Results An optimal set of 18 genes was identified and used to construct a prognostic classifier (ColoPrint). The signature was validated on an independent set of 206 samples from patients with stage I, II, and III CRC. The signature classified 60% of patients as low risk and 40% as high risk. Five-year relapse-free survival rates were 87.6% (95% CI, 81.5% to 93.7%) and 67.2% (95% CI, 55.4% to 79.0%) for low- and high-risk patients, respectively, with a hazard ratio (HR) of 2.5 (95% CI, 1.33 to 4.73; P = .005). In multivariate analysis, the signature remained one of the most significant prognostic factors, with an HR of 2.69 (95% CI, 1.41 to 5.14; P = .003). In patients with stage II CRC, the signature had an HR of 3.34 (P = .017) and was superior to American Society of Clinical Oncology criteria in assessing the risk of cancer recurrence without prescreening for microsatellite instability (MSI). Conclusion ColoPrint significantly improves the prognostic accuracy of pathologic factors and MSI in patients with stage II and III CRC and facilitates the identification of patients with stage II disease who may be safely managed without chemotherapy.

Abstract Individuals with prediabetes and type 2 diabetes mellitus (T2DM) have poor ability to adapt to diet-triggered perturbations. We investigated global metabolic responses to a mixed meal test (MMT) in morbidly obese individuals with different diabetic status by performing plasma metabolomic profiling. Abnormal metabolism of carbohydrates, (branched-chain) amino acids, fatty acids and acylcholines in individuals with (pre)diabetes was observed. Moreover, differences in metabolic responses were associated with altered fecal metagenomics and transcriptomes of liver, jejunum and adipose tissues, which revealed a modified gut microbiome and multi-tissue metabolism in individuals having insulin resistance. Finally, using integrative machine learning models, we built a predictive model based on metabolomics data after 2h MMT, and identified possible new biomarkers for glycemic control including N−acetylaspartate and phenylalanine-derived metabolites that may be useful for diagnosis, intervention and prevention of T2DM.

Abstract Aims/Hypothesis Post-bariatric hypoglycemia (PBH) is caused by postprandial hyperinsulinemia, due to anatomical alterations and changes in post-prandial metabolism after bariatric surgery. The mechanisms underlying the failing regulatory and compensatory systems are unclear. In this study, we investigated the differences in post-prandial hormones and metabolic profiles between patients with and without PBH. Methods We performed a mixed meal test (MMT) in 63 subjects before and 1 year after Roux-en-Y gastric bypass (RYGB) surgery. Blood was withdrawn at 0, 10, 20, 30, 60, and 120 min after ingestion of a standardized meal. Glucose, insulin, GLP-1, FGF-19, and FGF-21 were measured and untargeted metabolomics analysis was performed on blood plasma to analyze which hormonal and metabolic systems were altered between patients with and without PBH. Results Out of 63, a total of 21 subjects (33%) subjects developed PBH (glucose < 3.1 mmol/L) after surgery. Decreased glucose and increased insulin excursions during MMT were seen in PBH ( p < 0.05). GLP-1, FGF-19, and FGF-21 were elevated after surgery ( p < 0.001), but did not differ between PBH and non-PBH groups. We identified 20 metabolites possibly involved in carbohydrate metabolism which differed between the two groups, including increased carnitine and acylcholines in PBH. Conclusion Overall, 33% of the subjects developed PBH 1 year after RYGB surgery. While GLP-1, FGF-19, and FGF-21 were similar in PBH and non-PBH patients, metabolomics analysis revealed changes in carnitine and acyclcholines that are possibly involved in energy metabolism, which may play a role in the occurrence of PBH. Graphical Abstract

Abstract Introduction Bariatric surgery aims for optimal patient outcomes, often evaluated through the percentage total weight loss (%TWL). Quality registries employ funnel plots for outcome comparisons between hospitals. However, funnel plots are traditionally used for dichotomous outcomes, requiring %TWL to be dichotomized, potentially limiting feedback quality. This study evaluates whether a funnel plot around the median %TWL has better discriminatory performance than binary funnel plots for achieving at least 20% and 25% TWL. Methods All hospitals performing bariatric surgery were included from the Dutch Audit for Treatment of Obesity. A funnel plot around the median was constructed using 5-year %TWL data. Hospitals positioned above the 95% control limit were colored green and those below red. The same hospitals were plotted in the binary funnel plots for 20% and 25% TWL and colored according to their performance in the funnel plot around the median. We explored the hospital’s procedural mix in relation to %TWL performance as possible explanatory factors. Results The median-based funnel plot identified four underperforming and four outperforming hospitals, while only one underperforming and no outperforming hospitals were found with the binary funnel plot for 20% TWL. The 25% TWL binary funnel plot identified two underperforming and three outperforming hospitals. The proportion of sleeve gastrectomies performed per hospital may explain part of these results as it was negatively associated with median %TWL ( β = − 0.09, 95% confidence interval [− 0.13 to − 0.04]). Conclusion The funnel plot around the median discriminated better between hospitals with significantly worse and better performance than funnel plots for dichotomized %TWL outcomes. Graphical Abstract