Are liver function tests relevant for early detection of liver metastasis of uveal melanoma?
Notice bibliographique
Résumé
Abstract Purpose The liver is the main target for screening for uveal melanoma metastasis, which could be achieved by liver function tests (LFTs). The aim of our study is to analyze the relevance of LFTs for detection of metastatic disease in term of prognostic value and cost evaluation Methods Patients (n=88, who developed metastasis while undergoing semi‐annual follow‐up with LFTs including aspartate‐aminotransferase (AST), alanine‐aminotransferase (ALT), gammagutamylransferase (γGT), lactodeshydrogenase (LDH), and phosphatase alkaline (PA) were included. For assessing the level of LFTs for metastasis only the one preceding screening LFTs before the diagnostic by imaging was recorded. Consecutive patients (n=174) with uveal melanoma were chosen as control from patients who did not develop metastasis Results We were able to detect metastasis after LFTs abnormality in 40 (45%) patients. However, at the time of the one preceding screening LFTs before the metastasis diagnosis, 51(58%) patients had at least one abnormal LFT. The metastasis diagnosis was missed in 11 patients (13%). The overall sensitivity of LFTs ranged from 12.5 to 58.0% and the predictive positive value ranged from 9.4 to 38.6%. Interestingly we observed false positives in 20.3% with the variable “at least one abnormal LFT”. Using financial approach, we calculated the semi‐annual screening by LFTs. Conclusion Using the most important retrospective series analyzing semi‐annually all LFTs, we demonstrate that LFTs screening (AST, ALT, γGT, LDH and PA) is not relevant for detection of early metastasis even if the over cost induced by imaging requested for false positive is low
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».