Serum and blood based biomarkers for lung cancer screening: a systematic review
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.
Notice bibliographique
Résumé
BACKGROUND: Lung cancer is the second most common cancer and the leading cause of cancer death for both men and women. Although low-dose CT (LDCT) is recommended for lung cancer screening in high-risk populations and may decrease lung cancer mortality, there is a need to improve the accuracy of lung cancer screening to decrease over-diagnosis and morbidity. Blood and serum-based biomarkers, including EarlyCDT-lung and microRNA based biomarkers, are promising adjuncts to LDCT in lung cancer screening. We evaluated the diagnostic performance of EarlyCDT-lung, micro-RNA signature classifier (MSC), and miR-test, and their impact on lung cancer-related mortality and all-cause mortality. METHODS: References were identified using searches of PubMed, EMBASE, and Ovid Medline® from January 2000 to November 2015. Phase three or greater studies in the English language evaluating the diagnostic performance of EarlyCDT-lung, MSC, and miR-test were selected for inclusion. RESULTS: Three phase 3 studies were identified, one evaluating EarlyCDT-lung, one evaluating miR-Test, and one evaluating MSC respectively. No phase 4 or 5 studies were identified. All three biomarker assays show promise for the detection of lung cancer. MSC shows promise when used in conjunction with LDCT for lung cancer detection, achieving a positive likelihood ratio of 18.6 if both LDCT and MSC are positive, and a negative likelihood ratio of 0.03 if both LDCT and MSC are negative. However, there is a paucity of high-quality studies that can guide clinical implementation. CONCLUSIONS: There is currently no high quality evidence to support or guide the implementation of these biomarkers in clinical practice. Reports of further research at stages four and five for these, and other promising methods, is required.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 découle