Urine metabolomics as a predictor of patient tolerance and response to adjuvant chemotherapy in colorectal cancer
Notice bibliographique
Résumé
Colorectal cancer is the third leading cause of cancer-associated mortality in the western world. The ability to predict a patient's response to chemotherapy may be of great value for clinicians and patients when planning cancer treatment. The aim of the current study was to develop a urine metabolomics-based biomarker panel to predict adverse events and response to chemotherapy in patients with colorectal cancer. A retrospective chart review of patients diagnosed with stage III or IV colorectal cancer between 2008 and 2012 was performed. The exclusion criteria included chemotherapy for palliation and patients living outside of Alberta. Data was collected concerning the chemotherapy regimen, adverse events associated with chemotherapy, disease progression and recurrence and 5-year survival. Adverse events were subdivided as follows: Delays in treatment, dose reductions, hospitalizations and chemotherapy regime changes. Patients provided urine samples for analysis prior to any intervention. Nuclear magnetic resonance (NMR) spectra of urine samples were acquired. The 1H NMR spectrum of each urine sample was analyzed using Chenomx NMRSuite v7.0. Using machine learning, predictors were generated and evaluated using 10-fold cross-validation. Urine spectra were obtained for 62 patients. The best predictors resulted in area under the receiver operating characteristic curve values of: 0.542 for chemotherapy dose reduction, 0.612 for 5-year survival, 0.650 for cancer recurrence and 0.750 for treatment delay. Therefore, predictors were developed for response to and adverse events from chemotherapy for patients with colorectal cancer patients. The predictor for treatment delay has the most promise, and further studies will aid its refinement and improvement of its accuracy.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».