Biomarkers of Oxidative Stress, Proliferation, Inflammation and Invasivity in Saliva from Oral Cancer Patients
Notice bibliographique
Résumé
Cancer represents the main cause of death in the economically developed countries and the second cause of death in developing ones. Head and neck squamous cell carcinomas are the sixth most common malignancies worldwide with oral cavity and pharynx cancers being the most common. Saliva qualifies as one of the most suitable diagnostic fluids due to the non-invasivity nature, simple handling procedures, easy collection and storage and good cooperation with patient groups such as children or persons with disabilities. The aim of the present study is to assess the presence in saliva of several cancer biomarkers such as: tumor cells proliferation - Ki-67 Antigen and Squamous Cell Carcinoma Antigen (SCCA), inflammation - Interleukin-6 (IL-6), extracellular matrix collagen degradation - Matrix Metallo-proteinase-9 (MMP-9) and Tissue Inhibitor of Metalloproteinases 2 (TIMP-2), oxidative stress - total antioxidant capacity and uric acid. Both uric acid and total antioxidant capacity showed decreased levelsin the saliva of oral cancer patients. IL-6, Ki-67, SCCA and MMP-9 showed increased levels in the saliva of oral patients compared to the control group. Salivary TIMP-2 levels were also decreased in the patients group. We can conclude that salivary diagnosis has the potential of becoming a powerful tool in detecting and monitoring oral cancer patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».