A Multiparametric Serum Kallikrein Panel for Diagnosis of Non–Small Cell Lung Carcinoma
Notice bibliographique
Résumé
PURPOSE: Human tissue kallikreins are a family of 15 secreted serine proteases. We have previously shown that the expression of several tissue kallikreins is significantly altered at the transcriptional level in lung cancer. Here, we examined the clinical value of 11 members of the tissue kallikrein family as potential biomarkers for lung cancer diagnosis. EXPERIMENTAL DESIGN: Serum specimens from 51 patients with non-small cell lung cancer (NSCLC) and from 50 healthy volunteers were collected. Samples were analyzed for 11 kallikreins (KLK1, KLK4-8, and KLK10-14) by specific ELISA. Data were statistically compared and receiver operating characteristic curves were constructed for each kallikrein and for various combinations. RESULTS: Compared with sera from normal subjects, sera of patients with NSCLC had lower levels of KLK5, KLK7, KLK8, KLK10, and KLK12, and higher levels of KLK11, KLK13, and KLK14. Expression of KLK11 and KLK12 was positively correlated with stage. With the exception of KLK5, expression of kallikreins was independent of smoking status and gender. KLK11, KLK12, KLK13, and KLK14 were associated with higher risk of NSCLC as determined by univariate analysis and confirmed by multivariate analysis. The receiver operating characteristic curve of KLK4, KLK8, KLK10, KLK11, KLK12, KLK13, and KLK14 combined exhibited an area under the curve of 0.90 (95% confidence interval, 0.87-0.97). CONCLUSIONS: We propose a multiparametric panel of kallikrein markers for lung cancer diagnosis with relatively good accuracy. This model requires validation with a larger series and may be further improved by addition of other biomarkers.
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 | 0,002 | 0,002 |
| 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) | 0,000 | 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 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 ».