Plasma MicroRNA Panel to Diagnose Hepatitis B Virus–Related Hepatocellular Carcinoma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: More than 60% of patients with hepatocellular carcinoma (HCC) do not receive curative therapy as a result of late clinical presentation and diagnosis. We aimed to identify plasma microRNAs for diagnosing hepatitis B virus (HBV) -related HCC. PATIENTS AND METHODS: Plasma microRNA expression was investigated with three independent cohorts including 934 participants (healthy, chronic hepatitis B, cirrhosis, and HBV-related HCC), recruited between August 2008 and June 2010. First, we used microarray to screen 723 microRNAs in 137 plasma samples for diagnosing HCC. Quantitative reverse-transcriptase polymerase chain reaction assay was then applied to evaluate the expression of selected microRNAs. A logistic regression model was constructed using a training cohort (n = 407) and then validated using an independent cohort (n = 390). Area under the receiver operating characteristic curve (AUC) was used to evaluate diagnostic accuracy. RESULTS: We identified a microRNA panel (miR-122, miR-192, miR-21, miR-223, miR-26a, miR-27a and miR-801) that provided a high diagnostic accuracy of HCC (AUC = 0.864 and 0.888 for training and validation data set, respectively). The satisfactory diagnostic performance of the microRNA panel persisted regardless of disease status (AUCs for Barcelona Clinic Liver Cancer stages 0, A, B, and C were 0.888, 0.888, 0.901, and 0.881, respectively). The microRNA panel can also differentiate HCC from healthy (AUC = 0.941), chronic hepatitis B (AUC = 0.842), and cirrhosis (AUC = 0.884), respectively. CONCLUSION: We found a plasma microRNA panel that has considerable clinical value in diagnosing early-stage HCC. Thus, patients who would have otherwise missed the curative treatment window can benefit from optimal therapy.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 découle