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 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) | 0,001 | 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 ».