Impact of clinical factors, including a point‐of‐care nuclear matrix protein‐22 assay and cytology, on bladder cancer detection
Notice bibliographique
Résumé
OBJECTIVE: To determine whether the nuclear matrix protein-22 (NMP22) assay can improve the accuracy of discriminating between high-risk patients with and without bladder cancer. PATIENTS AND METHODS: Age, gender, race, smoking status, haematuria and its extent, and the NMP22 and urinary cytology results, were available for 1272 patients. The data of 670 (52.7%) from four study sites were used to develop a logistic regression model-based nomogram to predict the presence of bladder cancer. The remaining data from 602 (47.3%) patients from nine study sites were used to externally validate the nomogram. A separate nomogram was developed for urinary cytology, and for the combination of NMP22 and urinary cytology findings. RESULTS: Of 1272 patients, 76 (6.0%) had bladder cancer, 217 (17.1%) were NMP22-positive and 17 (1.3%) had malignant cells on urinary cytology. NMP22 and urinary cytology results were independent predictors of bladder cancer (P = 0.005 and 0.007, respectively). In external validation, the area under the curve (AUC) for NMP22 was 76.0% vs 56.2% for cytology. External validation of the multivariable NMP22-based bladder cancer nomogram gave an AUC of 82.4% vs 74.7% for the multivariable cytology-based nomogram (gain 7.7%; P = 0.006) vs 82.6% for the multivariable nomogram combining NMP22 and cytology results (gain 0.2%; P = 0.1). CONCLUSIONS: The ability of the NMP22 test to predict bladder cancer in high-risk patients significantly exceeds that of urinary cytology. The NMP22-based nomogram can help to identify individuals at risk of bladder cancer.
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».