Utility of a Fifth-Generation Ultrasensitive Prostate-Specific Antigen Assay for Monitoring Prostate Cancer Patients after Radical Prostatectomy with 3 Years of Follow-Up
Notice bibliographique
Résumé
BACKGROUND: We investigated an ultrasensitive prostate-specific antigen (uPSA) immunoassay (MesoScale; lower limit of detection (LLD) of 0.0035 pg/mL) to monitor patients with prostate cancer (PCa) following radical prostatectomy (RP) and to examine whether changes in PSA in the conventionally undetectable range (<1 pg/mL) can predict biochemical relapse (BCR). METHODS: We measured uPSA in serial serum samples (N = 100) collected from 20 RP cases with a third-generation ELISA (LLD of 1 pg/mL) and the fifth-generation MesoScale assay. We analyzed the PSA nadir changes to classify patients into BCR or non-BCR groups, observed the trends in PSA kinetics, and associated BCR status with clinicohistopathological features. RESULTS: The ELISA could quantify PSA in only 38% of the RP samples, detecting BCR in 7 of 20 patients with PCa. The MesoScale assay quantified PSA in all samples, showing 8 of 20 patients with BCR. However, there was no significant difference between the median time to BCR detection based on ELISA (1016 days) compared with MesoScale data (949 days). Gleason scores were higher in the BCR groups compared with non-BCR. There was no significant difference for other clinicohistopathological parameters. CONCLUSIONS: The uPSA MesoScale technology could track miniscule changes in serum PSA in the range of 0.003-1 pg/mL in all RP cases. However, PSA kinetics and nadir at concentrations <2 pg/mL fluctuated, and increases below this range could not reliably suggest signs of BCR. Instead, ultrasensitive fifth-generation PSA assays may hold clinical potential for measuring the low concentrations of PSA in women for various medical contexts.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».