MicroRNA Expression Profiling of Sputum for the Detection of Early and Locally Advanced Non-Small-Cell Lung Cancer: A Prospective Case–Control Study
Notice bibliographique
Résumé
BACKGROUND: Non-small-cell lung cancer (nsclc) is associated with very poor overall survival because 70% of patients present with locally advanced or metastatic disease at the time of diagnosis. Micrornas (mirnas) are a class of short, noncoding rna molecules whose presence in samples of biologic fluids such as sputum has demonstrated promise as a potential means of detecting nsclc. We investigated the stage-specific nsclc detection potential of an efficient panel of 3 mirnas (mir-21, mir-210, mir-372) using a single sputum sample. METHODS: A single spontaneously expectorated sputum sample was prospectively collected from 21 early nsclc (≤stage ii) patients, 22 advanced nsclc (≥stage iii) patients, and 10 control subjects. Mirna expression profiles were determined by quantitative real-time polymerase chain reaction and were analyzed by unsupervised hierarchical cluster analysis. RESULTS: Mean tumour size (±95% confidence interval) in the early and advanced nsclc patients was 3.3 cm ± 0.9 cm and 4.8 cm ± 0.7 cm respectively. Adenocarcinoma constituted 61.9% of the early and 45.5% of the advanced nsclc cases respectively. In comparing the early nsclc group with the control group, the mirna panel yielded a diagnostic sensitivity of 67% and a specificity of 90.0%. For the advanced nsclc group, the mirna panel detected nsclc with a sensitivity and specificity of 64% and 100% respectively. CONCLUSIONS: A sputum mir-21, mir-210, and mir-372 expression profile might provide a sensitive and highly specific means for detecting nsclc. Sputum mirna analysis demonstrates promise as a potential complementary screening tool.
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 | 0,000 | 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 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 ».