Comparing the diagnostic accuracy of five common tumour biomarkers and CA19-9 for pancreatic cancer: a protocol for a network meta-analysis of diagnostic test accuracy
Notice bibliographique
Résumé
INTRODUCTION: Surgical resection is the only curative treatment for patients with resectable pancreatic cancer. Unfortunately, 80%-85% of patients present with locally advanced or metastatic unresectable pancreatic cancer at the time of diagnosis. Detection of pancreatic cancer at early stages remains a great challenge due to lack of accurate detection tests. Recommendations in existing clinical practice guidelines on early diagnosis of pancreatic cancer are inconsistent and based on limited evidence. Most of them endorse measuring serum CA19-9 as a complementary test, but also state that it is not recommended for diagnosing early pancreatic cancer. There are currently no other tumour-specific markers recommended for diagnosing early pancreatic cancer. This study aims to evaluate and compare the accuracy of five common tumour biomarkers (CA242,carcino-embryonic antigen (CEA)), CA125, microRNAs and K-ras gene mutation) and CA19-9 and their combinations for diagnosing pancreatic cancer using network meta-analysis method, and to rank these tests using a superiority index. METHODS AND ANALYSIS: PubMed, EMBASE and the Cochrane Central Register of Controlled Trials will be searched from inception to April 2017. The search will include the above-mentioned tumour biomarkers for diagnosing pancreatic cancer, including CA19-9. The risk of bias for each study will be independently assessed as low, moderate or high using criteria adapted from the Quality Assessment of Diagnostic Accuracy Studies 2. Network meta-analysis will be performed using STATA V.12.0 and R software V.3.4.1. The competing diagnostic tests will be ranked by a superiority index. ETHICS AND DISSEMINATION: Ethical approval and patient consent are not required since this study is a network meta-analysis based on published studies. The results of this network meta-analysis will be submitted to a peer-reviewed journal for publication. PROSPERO REGISTRATION NUMBER: CRD42017064627.
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 | 0,088 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,055 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,001 |
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 ».