MétaCan
Menu
Retour à la cohorte
Enregistrement W2901139791 · doi:10.1155/2018/6124927

Change of Circulating and Tissue-Based miR-20a in Human Cancers and Associated Prognostic Implication: A Systematic Review and Meta-Analysis

2018· review· en· W2901139791 sur OpenAlexaboutno aff
Qingyu Zhang, Qiwei Wang, Fuqiang Gao, Lihua Liu, Liming Cheng, Zirong Li

Notice bibliographique

RevueBioMed Research International · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineOncologyCancerHazard ratioColorectal cancerMeta-analysisLung cancerConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background. Previous literatures have investigated the change of miR-20a expression level in the progression of multiple cancers and its influence on patients’ survival outcome, but results of now-available evidence are inconsistent.Objective. To elucidate the prognostic value of circulating and tissue-based miR-20a for patients with various cancers.Methods. A systematic search and review of eligible publications were carried out in three electronic databases including the Cochrane Library, PubMed, and Embase, and the methodological quality of included studies was assessed according to Newcastle-Ottawa Scale (NOS). Hazard ratios (HRs) and corresponding 95% confidence intervals (CIs) for overall survival (OS), recurrence-free survival (RFS), disease-free survival (DFS), and progressive-free survival (PFS) of each study were pooled using a random effect model.Results. In total, 24 studies involving 4186 samples of multiple cancers published in 20 articles were included in the statistical analysis. As for circulating miR-20a, five kinds of cancers containing gastric cancer, lymphoma, glioblastoma, prostate cancer, and non-small-cell lung cancer reported upregulated level in patients compared with normal healthy control, and overexpressed circulating miR-20a could confer an unfavorable factor for OS (HR = 1.71, 95% CIs: 1.43 -2.04,p< 0.01) and DFS (HR = 1.90, 95% CIs: 1.45-2.49,p< 0.01). As for tissue-based samples, 6 kinds of malignancies including colorectal cancer, salivary adenoid cystic carcinoma, gallbladder carcinoma, colon cancer, gastrointestinal cancer, and alveolar rhabdomyosarcoma revealed upregulated miR-20a expression level compared with paired nontumorous tissue, of which high expression of miR-20a was significantly associated with poor OS (HR = 2.74, 95% CIs: 1.38-5.42,p< 0.01) and DFS (HR = 2.68, 95% CIs: 1.32-5.45,p< 0.01); meanwhile, other 5 tumors containing breast cancer, cutaneous squamous cell carcinoma, hepatocellular carcinoma, oral squamous cell carcinoma, and epithelial ovarian cancer demonstrated downregulated miR-20a expression level compared with benign tissue, of which low miR-20a expression was significantly related to shorter OS (HR = 3.48, 95% CIs: 2.00-6.06,p< 0.01) and PFS/RFS (HR = 4.05, 95% CIs: 2.89-5.66,p< 0.01).Conclusion. Change of circulating and tissue-based miR-20a expression possesses vital prognostic implication for human cancers. Augmented expression of circulating miR-20a predicts poor survival outcome for patients with cancers. Tissue-based miR-20a level may be upregulated or downregulated depending on cancer types; in the former condition, high expression of tissue miR-20a is a risk factor for unfavorable prognosis and in the latter condition low expression of tissue miR-20a is associated with shorter survival.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,035
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0180,035
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,217
Tête enseignante GPT0,471
Écart entre enseignants0,254 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioMed Research InternationalMême sujetMicroRNA in disease regulationTravaux en français237 207