Three new serum markers for prostate cancer detection within a percent free PSA‐based artificial neural network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: We aimed to evaluate the value of macrophage inhibitory cytokine 1 (MIC-1), human kallikrein 11 (hK11) migration inhibitor factor (MIF) in comparison to prostate-specific antigen (PSA) and % fPSA and also to develop a % fPSA-based ANN with the new input factors to determine whether these additional markers can further eliminate unnecessary prostate biopsies. METHODS: Serum samples from 371 patients with prostate cancer (PCa, n=135) or benign prostate hyperplasia (BPH, n=236) within the PSA range 0.5-20 microg/L were analyzed for total PSA, free PSA, MIC-1, hK11, and MIF. 'Leave one out' ANN models with these variables and prostate volume were constructed and compared to logistic regression (LR) and all single parameters. RESULTS: The discriminatory power of MIC-1, hK11, and MIF was less than that for PSA despite significant differences in BPH compared to PCa patients. At 90% and 95% sensitivity, the artificial neural networks (ANNs) were only significantly better than % fPSA if prostate volume was included. CONCLUSIONS: ANNs with the novel input factors of MIC-1, MIF, and/or hK11 and additional use of prostate volume demonstrated significant advantage compared with % fPSA and tPSA and may lead to a reduction in unnecessary prostate biopsies.
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.
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 | 0,001 | 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) | 0,001 | 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 découle