Differential biomarker profiles between unprovoked venous thromboembolism and cancer
Notice bibliographique
Résumé
BACKGROUND: The relationship between cancer and venous thromboembolic disease (VTD) are complex because the activated coagulation factors are not only involved in thrombosis but also in malignant processes, such as angiogenesis and metastasis. OBJECTIVE: To compare phenotypes of extracellular vesicles (EVs), and levels of D-dimer, soluble P-selectin (sP-selectin) and antigenic tissue factor (TF) between unprovoked VTD patients, who did not develop cancer during one-year follow-up, and those with advanced stage of cancer but not associated with VTD. METHODS: A prospective study in which we included 138 unprovoked VTD patients and 67 advanced cancer patients, who did not develop thrombosis. Levels of EVs of different cellular origin (platelet, endothelium and leukocyte), EVs positive for tissue factor (TF) and P-selectin glycoprotein ligand 1 were quantified by flow cytometry. D-dimer, soluble P-selectin (sP-selectin) and antigenic TF were determined by ELISA. RESULTS: TF-positive EVs, D-dimer, and sP-selectin were markedly elevated in unprovoked VTD patients compared to cancer patients without association with thrombosis. CONCLUSIONS: : Circulating EVs, specifically TF-positive EVs, in combination with plasmatic markers of hypercoagulable states, such as D-dimer, sP-selectin and antigen TF, are able to discriminate between cancer patients without thrombosis and patients with unprovoked VTD. Research fields could be opened. Future studies will assess if these biomarkers together serve as predicting thrombotic events in cancer populations.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».