An evaluation of urinary microRNA reveals a high sensitivity for bladder cancer
Notice bibliographique
Résumé
BACKGROUND: Urinary biomarkers are needed to improve the care and reduce the cost of managing bladder cancer. Current biomarkers struggle to identify both high and low-grade cancers due to differing molecular pathways. Changes in microRNA (miR) expression are seen in urothelial carcinogenesis in a phenotype-specific manner. We hypothesised that urinary miRs reflecting low- and high-grade pathways could detect bladder cancers and overcome differences in genetic events seen within the disease. METHODS: We investigated urinary samples (n=121) from patients with bladder cancer (n=68) and age-matched controls (n=53). Fifteen miRs were quantified using real-time PCR. RESULTS: We found that miR is stable within urinary cells despite adverse handling and detected differential expression of 10 miRs from patients with cancer and controls (miRs-15a/15b/24-1/27b/100/135b/203/212/328/1224, ANOVA P<0.05). Individually, miR-1224-3p had the best individual performance with specificity, positive and negative predictive values and concordance of 83%, 83%, 75% and 77%, respectively. The combination of miRs-135b/15b/1224-3p detected bladder cancer with a high sensitivity (94.1%), sufficient specificity (51%) and was correct in 86% of patients (concordance). CONCLUSION: The use of this panel in patients with haematuria would have found 94% of urothelial cell carcinoma, while reducing cystoscopy rates by 26%. However, two invasive cancers (3%) would have been missed.
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 | 0,001 | 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 ».