<i>Fibroblast Growth Factor Receptor 3</i> Mutation Analysis on Voided Urine for Surveillance of Patients with Low-Grade Non-Muscle–Invasive Bladder Cancer
Notice bibliographique
Résumé
PURPOSE: Mutations in the fibroblast growth factor receptor 3 (FGFR3) have been found in 70% of the low-grade non-muscle-invasive bladder cancer (NMI-BC) tumors. We aim to determine the potential of FGFR3 mutation analysis on voided urine to detect recurrences during surveillance of patients with low-grade NMI-BC. EXPERIMENTAL DESIGN: FGFR3 mutation status of the study inclusion tumor was determined from 200 low-grade NMI-BC patients. Patients with an FGFR3-mutant inclusion tumor were selected for analysis and monitored by cystoscopy, and voided urine samples were collected. FGFR3 mutation analysis was done on 463 prospectively collected urines. Sensitivity and predictive value of the assay were determined for detection of concomitant recurrences. Longitudinal and Cox time-to-event analyses were done to determine the predictive value for detection of future recurrences. RESULTS: Median follow-up was 3.5 years. The sensitivity of the assay for detection of concomitant recurrences was 26 of 45 (58%). Of the 105 positive urine samples, 85 (81%) were associated with a concomitant or a future recurrence. An FGFR3-positive urine was associated with a 3.8-fold (P < 0.0001) higher risk of having a recurrence in the Cox analysis. In contrast, only 41 of 358 (11%) FGFR3-negative urine samples were associated with a recurrence. Positive predictive value increased from 25% to 90% in patients having consecutive FGFR3-positive urine tests. CONCLUSIONS: FGFR3 mutation analysis on voided urine is a simple and noninvasive diagnostic method for detection of recurrences during surveillance of patients presenting with a low-grade FGFR3-mutant NMI-BC tumor.
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) | 0,000 | 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) | 0,001 | 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 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 ».