Predicting high risk disease using serum and DNA biomarkers
Notice bibliographique
Résumé
PURPOSE OF REVIEW: To explore several serum and genetic-based biomarkers that may prove useful in following men being managed with active surveillance for localized prostate cancer by predicting those that either have the potential to develop, or already harbor occult high grade disease. RECENT FINDINGS: There is increasing evidence that serum biomarkers human Kallikrein 2, early prostate cancer antigen, urokinase-type plasminogen activator/urokinase-type plasminogen activator receptor, transforming growth factor-β1 and interleukin-6/interleukin-6 receptor and genetic biomarkers BRCA1 and BRCA2, Phosphatase and tensin homolog, cellular myelocytomatosis oncogene and NKX3.1 may predict for aggressive high grade disease and are identifiable early in prostate carcinogenesis. SUMMARY: One of the barriers of widespread adoption of active surveillance for low risk, localized prostate cancer is the concern that some patients may harbor occult high-risk disease at diagnosis, or develop more aggressive/noncurable disease not detected by our current well established prognostic factors. This review examines several serum and genetic-based biomarkers that appear to be of value in localized prostate cancer, unlike the vast majority of more established prostate cancer biomarkers that have been validated in far more advanced disease. Although the biomarkers discussed show exciting promise, their clinical utility is unknown, and their role in the active surveillance scenario needs further study.
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 | 0,001 |
| 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 ».