Early detection of clinically significant prostate cancer at diagnosis: a prospective study using a novel panel of <i><scp>TMPRSS</scp>2:<scp>ETS</scp></i> fusion gene markers
Notice bibliographique
Résumé
We explore noninvasive clinical applications of multiple disease-specific fusion markers recently discovered in prostate cancer to predict the risk of cancer occurrence and aggressiveness at diagnosis. A total of 92 men who were prostate-specific antigen (PSA) screened and scheduled for diagnostic biopsy were enrolled for this study. Prospectively collected urine was blind coded for laboratory tests. RNA from urine sediments was analyzed using a panel of 6 TMPRSS2:ETS fusion markers with a sensitive quantitative PCR platform. The pathology reported 39 biopsy-positive cases from 92 patients (42.4%). In urine test, 10 unique combinations of fusion types were detected in 32 of 92 (34.8%) prebiopsy samples. A novel combination of fusion markers, termed Fx (III, IV, ETS), was identified with a sensitivity of 51.3% and an odds ratio of 10.1 in detecting cancer on biopsy. Incorporating a categorical variable of Fx (III, IV, ETS) with urine PCA3 and serum PSA, a regression model was developed to predict biopsy outcomes with an overall accuracy of 77%. Moreover, the overexpression of Fx (III, IV, or ETS) was shown to be an independent predictor to the high-grade cancer, with a predictive accuracy of 80% when coupled with PSA density. The individualized risk scores further stratified a high-risk group that is composed of 92% high-grade cancers and a low-risk group that harbors mainly clinically insignificant cancers. In conclusion, we have identified a novel combination of fusion types very specific to the clinically significant prostate cancer and developed effective regression models to predict biopsy outcomes and aggressive cancers at diagnosis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».