MétaCan
Menu
Retour à la cohorte
Enregistrement W2049398534 · doi:10.1155/2012/184343

Fecal Molecular Markers for Colorectal Cancer Screening

2011· article· en· W2049398534 sur OpenAlexaff
Rani Kanthan, Jenna‐Lynn Senger, Selliah Kanthan

Notice bibliographique

RevueGastroenterology Research and Practice · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueGenetic factors in colorectal cancer
Établissements canadiensUniversity of SaskatchewanRoyal University Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineColorectal cancerFecal occult bloodSigmoidoscopyColonoscopyEpigeneticsDiseasePathologyInternal medicineCancerBioinformaticsGeneticsBiology

Résumé

récupéré en direct d'OpenAlex

Despite multiple screening techniques, including colonoscopy, flexible sigmoidoscopy, radiological imaging, and fecal occult blood testing, colorectal cancer remains a leading cause of death. As these techniques improve, their sensitivity to detect malignant lesions is increasing; however, detection of precursor lesions remains problematic and has generated a lack of general acceptance for their widespread usage. Early detection by an accurate, noninvasive, cost-effective, simple-to-use screening technique is central to decreasing the incidence and mortality of this disease. Recent advances in the development of molecular markers in faecal specimens are encouraging for its use as a screening tool. Genetic mutations and epigenetic alterations that result from the carcinogenetic process can be detected by coprocytobiology in the colonocytes exfoliated from the lesion into the fecal matter. These markers have shown promising sensitivity and specificity in the detection of both malignant and premalignant lesions and are gaining popularity as a noninvasive technique that is representative of the entire colon. In this paper, we summarize the genetic and epigenetic fecal molecular markers that have been identified as potential targets in the screening of colorectal 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,149
Tête enseignante GPT0,423
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGastroenterology Research and PracticeMême sujetGenetic factors in colorectal cancerTravaux en français237 207