Stepwise Application of Urine Markers to Detect Tumor Recurrence in Patients Undergoing Surveillance for Non-Muscle-Invasive Bladder Cancer
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
BACKGROUND: The optimal use of urine markers in the surveillance of non-muscle-invasive bladder cancer (NMIBC) remains unclear. Aim of the present study was to investigate the combined and stepwise use of the four most broadly available urine markers to detect tumor recurrence in patients undergoing surveillance of NMIBC. PATIENTS AND METHODS: 483 patients with history of NMIBC were included. Cytology, UroVysion, fluorescence in situ hybridization (FISH), immunocytology (uCyt+), and NMP22 ELISA were performed before surveillance cystoscopy. Characteristics of single tests and combinations were assessed by contingency analysis. RESULTS: 128 (26.5%) patients had evidence of tumor recurrence. Sensitivities and negative predictive values (NPVs) of the single tests ranged between 66.4-74.3 and 82.3-88.2%. Two-marker combinations showed sensitivities and NPVs of 80.5-89.8 and 89.5-91.2%. A stepwise application of the two-test combinations with highest accuracy (cytology and FISH; cytology and uCyt+; uCyt+ and FISH) showed NPVs for high-risk recurrences (G3/Cis/pT1) of 98.8, 98.8, and 99.1%, respectively. CONCLUSIONS: Combinations of cytology, FISH, immunocytology, and NMP22 show remarkable detection rates for recurrent NMIBC. Stepwise two-test combinations of cytology, FISH, and immunocytology have a low probability of missing a high-risk tumor. The high sensitivities may justify the use of these combinations in prospective studies assessing the use of urine markers to individualize intervals between cystoscopies during follow-up.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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