Clinical validation of an autoantibody test for lung cancer
Notice bibliographique
Résumé
BACKGROUND: Autoantibodies may be present in a variety of underlying cancers several years before tumours can be detected and testing for their presence may allow earlier diagnosis. We report the clinical validation of an autoantibody panel in newly diagnosed patients with lung cancer (LC). PATIENTS AND METHODS: Three cohorts of patients with newly diagnosed LC were identified: group 1 (n = 145), group 2 (n = 241) and group 3 (n = 269). Patients were individually matched by gender, age and smoking history to a control individual with no history of malignant disease. Serum samples were obtained after diagnosis but before any anticancer treatment. Autoantibody levels were measured against a panel of six tumour-related antigens (p53, NY-ESO-1, CAGE, GBU4-5, Annexin 1 and SOX2). Assay sensitivity was tested in relation to demographic variables and cancer type/stage. RESULTS: The autoantibody panel demonstrated a sensitivity/specificity of 36%/91%, 39%/89% and 37%/90% in groups 1, 2 and 3, respectively, with good reproducibility. There was no significant difference between different LC stages, indicating that the antigens included covered the different types of LC well. CONCLUSION: This assay confirms the value of an autoantibody panel as a diagnostic tool and offers a potential system for monitoring patients at high risk of LC.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».