Validation of Biomarkers That Complement CA19.9 in Detecting Early Pancreatic Cancer
Notice bibliographique
Résumé
PURPOSE: Pancreatic ductal adenocarcinoma (PDAC) is a significant cause of cancer mortality. Carbohydrate antigen 19.9 (CA19.9), the only tumor marker available to detect and monitor PDAC, is not sufficiently sensitive and specific to consistently differentiate early cancer from benign disease. In this study, we aimed to validate recently discovered serum protein biomarkers for the early detection of PDAC and ultimately develop a biomarker panel that could discriminate PDAC from other benign disease better than the existing marker CA19.9. PATIENTS AND METHODS: We performed a retrospective blinded evaluation of 400 serum samples collected from individuals recruited on a consecutive basis. The sample population consisted of 250 individuals with PDAC at various stages, 130 individuals with benign conditions and 20 healthy individuals. The serum levels of each biomarker were determined by ELISAs or automated immunoassay. RESULTS: By randomly splitting matched samples into a training (n = 186) and validation (n = 214) set, we were able to develop and validate a biomarker panel consisting of CA19.9, CA125, and LAMC2 that significantly improved the performance of CA19.9 alone. Improved discrimination was observed in the validation set between all PDAC and benign conditions (AUCCA19.9 = 0.80 vs. AUCCA19.9+CA125+LAMC2 = 0.87; P < 0.005) as well as between early-stage PDAC and benign conditions (AUCCA19.9 = 0.69 vs. AUCCA19.9+CA125+LAMC2 = 0.76; P < 0.05) and between early-stage PDAC and chronic pancreatitis (CP; AUCCA19.9 = 0.59 vs. AUCCA19.9+CA125+LAMC2 = 0.74; P < 0.05). CONCLUSIONS: The data demonstrate that a serum protein biomarker panel consisting of CA125, CA19.9, and LAMC2 is able to significantly improve upon the performance of CA19.9 alone in detecting PDAC.
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 | 0,010 | 0,003 |
| 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 ».