MétaCan
Menu
Retour à la cohorte
Enregistrement W3049734806 · doi:10.1097/md.0000000000023599

The value of microRNA-203 as a biomarker for the prognosis of esophageal cancer

2020· article· en· W3049734806 sur OpenAlexaboutno aff
Song Wang, Pingping Yu, Zhen Meng, Feng Lin

Notice bibliographique

RevueMedicine · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCochrane LibraryMeta-analysisHazard ratioMEDLINEConfidence intervalInternal medicineOncologyBiomarkerEsophageal cancermicroRNACancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Previous studies have reported that microRNA-203 has an effect on the prognosis of with esophageal cancer (EC). However, the conclusion is remains controversial. Therefore, this study will try to explore the effect of high expression of microRNA-203 on the prognosis of EC patients. METHODS: Eligible studies were searched from Google Scholar, Embase, PubMed, Medline, Web of Science, Cochrane Library, China National Knowledge Infrastructure, China Scientific Journal Database, Chinese BioMedical Database and Wanfang Database. Papers in English or Chinese published from their inception to November 2020 will be included without any restrictions. Stata 14.0 and Review Manager 5.3 software were used for data analysis. Hazard ratios (HRs) and its 95% confidence intervals (CIs) were used to assess the prognostic effect of microRNA-203 on overall survival (OS) and disease-free survival (DFS). Methodological quality for each eligible trial will be assessed by using the Newcastle-Ottawa Quality Assessment Scale (NOS). RESULTS: This study will provide a high-quality evidence-based medical evidence of the correlations between microRNA-203 expression and OS and DFS. CONCLUSION: The findings of this meta-analysis will show the effect of high expression of microRNA-203 on the prognosis of EC patients, and may find a new prognostic marker for EC. INPLASY REGISTRATION NUMBER: INPLASY2020110022.

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)0,010
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,007
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,299
Écart entre enseignants0,279 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicineMême sujetMicroRNA in disease regulationTravaux en français237 207