MétaCan
Menu
Retour à la cohorte
Enregistrement W2511558499 · doi:10.1186/s12885-016-2748-5

Promoter hypermethylation of HS3ST2, SEPTIN9 and SLIT2 combined with FGFR3 mutations as a sensitive/specific urinary assay for diagnosis and surveillance in patients with low or high-risk non-muscle-invasive bladder cancer

2016· article· en· W2511558499 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBMC Cancer · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueBladder and Urothelial Cancer Treatments
Établissements canadiensCytodiagnostics (Canada)
Organismes subventionnairesAssistance publique-Hôpitaux de ParisBpifrance
Mots-clésBladder cancerMedicineDNA methylationOncologyInternal medicineMethylationLogistic regressionArea under the curveEpigeneticsMultiplexCancerBioinformaticsBiologyGeneGene expressionGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Non-muscle-invasive bladder cancer (NMIBC) is a high incidence form of bladder cancer (BCa), where genetic and epigenetic alterations occur frequently. We assessed the performance of associating a FGFR3 mutation assay and a DNA methylation analysis to improve bladder cancer detection and to predict disease recurrence of NMIBC patients. METHODS: We used allele specific PCR to determine the FGFR3 mutation status for R248C, S249C, G372C, and Y375C. We preselected 18 candidate genes reported in the literature as being hypermethylated in cancer and measured their methylation levels by quantitative multiplex-methylation specific PCR. We selected HS3ST2, SLIT2 and SEPTIN9 as the most discriminative between control and NMIBC patients and we assayed these markers on urine DNA from a diagnostic study consisting of 167 NMIBC and 105 controls and a follow-up study consisting of 158 NMIBC at diagnosis time's and 425 at follow-up time. ROC analysis was performed to evaluate the diagnostic accuracy of each assay alone and in combination. RESULTS: For Diagnosis: Using a logistic regression analysis with a model consisting of the 3 markers' methylation values, FGFR3 status, age and known smoker status at the diagnosis time we obtained sensitivity/specificity of 97.6 %/84.8 % and an optimism-corrected AUC of 0.96. With an estimated BCa prevalence of 12.1 % in a hematuria cohort, this corresponds to a negative predictive value (NPV) of 99.6 %. For Follow-up: Using a logistic regression with FGFR3 mutation and the CMI at two time points (beginning of the follow-up and current time point), we got sensitivity/specificity/NPV of 90.3 %/65.1 %/97.0 % and a corrected AUC of 0.84. We also tested a thresholding algorithm with FGFR3 mutation and the two time points as described above, obtaining sensitivity/specificity/NPV values of, respectively, 94.5 %/75.9 %/98.5 % and an AUC of 0.82. CONCLUSIONS: We showed that combined analysis of FGFR3 mutation and DNA methylation markers on urine can be a useful strategy in diagnosis, surveillance and for risk stratification of patients with NMIBC. These results provide the basis for a highly accurate noninvasive test for population screening and allowing to decrease the frequency of cystoscopy, an important feature for both patient quality of life improvement and care cost reduction.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,248 · 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