Development and Validation of a High-Throughput Mass Spectrometry Based Urine Metabolomic Test for the Detection of Colonic Adenomatous Polyps
Notice bibliographique
Résumé
Background: Colorectal cancer is one of the leading causes of cancer deaths worldwide. The detection and removal of the precursors to colorectal cancer, adenomatous polyps, is the key for screening. The aim of this study was to develop a clinically scalable (high throughput, low cost, and high sensitivity) mass spectrometry (MS)-based urine metabolomic test for the detection of adenomatous polyps. Methods: Prospective urine and stool samples were collected from 685 participants enrolled in a colorectal cancer screening program to undergo colonoscopy examination. Statistical analysis was performed on 69 urine metabolites measured by one-dimensional nuclear magnetic resonance spectroscopy to identify key metabolites. A targeted MS assay was then developed to quantify the key metabolites in urine. A MS-based urine metabolomic diagnostic test for adenomatous polyps was established using 67% samples (un-blinded training set) and validated using the remaining 33% samples (blinded testing set). Results: The MS-based urine metabolomic test identifies patients with colonic adenomatous polyps with an AUC of 0.692, outperforming the NMR based predictor with an AUC of 0.670. Conclusion: Here we describe a clinically scalable MS-based urine metabolomic test that identifies patients with adenomatous polyps at a higher level of sensitivity (86%) over current fecal-based tests (<18%).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».