MétaCan
Menu
Retour à la cohorte
Enregistrement W2503762757 · doi:10.1016/j.beem.2016.07.002

microRNA-guided diagnostics in clinical samples

2016· review· en· W2503762757 sur OpenAlexafffund
Dakota Gustafson, Kathrin Tyryshkin, Neil Renwick

Notice bibliographique

RevueBest Practice & Research Clinical Endocrinology & Metabolism · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensQueen's University
Organismes subventionnairesOntario Medical AssociationCanada Foundation for Innovation
Mots-clésmicroRNAClinical PracticeMedical physicsComputational biologyTranslation (biology)Computer scienceBioinformaticsMedicineData scienceBiologyMessenger RNA

Résumé

récupéré en direct d'OpenAlex

miRNA-guided diagnostics is a powerful molecular approach for evaluating clinical samples through miRNA detection and/or visualization. To date, this approach has been successfully used to diagnose, manage, and/or monitor a wide range of neoplastic and non-neoplastic diseases. Despite the promise of miRNA-guided diagnostics, particularly in the field of minimally invasive biomarkers, several knowledge and practical issues confound or hinder translation into routine clinical practice including: miRNA sequence database errors, suboptimal RNA extraction methods, detection assay variability, a vast array of online resources for bioinformatic analyses, and non-standardized statistical analyses for miRNA clinical testing. In this review, we raise awareness of these issues and recommend research directions to help specialists in endocrinology and metabolism integrate miRNA testing into clinical decision-making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,142
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,142
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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.

Tête enseignante Opus0,264
Tête enseignante GPT0,552
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBest Practice & Research Clinical Endocrinology & MetabolismMême sujetMicroRNA in disease regulationTravaux en français237 207