Using breath analysis as a screening tool to detect gastric cancer: A systematic review.
Notice bibliographique
Résumé
Abstract Breath analysis has emerged as an experimental method of non-invasive screening of gastric cancer and identification of individuals suitable for confirmatory, diagnostic upper gastrointestinal endoscopy. We aimed to evaluate the accuracy and applicability of breath analysis for gastric cancer detection in adults. We searched MEDLINE, EMBASE, BIOSIS, CENTRAL, and Compendex up to 27 September 2020 for original studies analysing exhaled breath to detect gastric cancer in patients. Summary sensitivity and specificity analyses were obtained using a hierarchical bivariate method. Non-quantitative results were descriptively summarized. Risk of bias was assessed using the QUADAS-2 tool. This study protocol was pre-registered in PROSPERO (CRD42020139422). Twenty-four studies were included. Within these, breath analysis technologies most commonly used were mass spectrometry (MS)-based methods; other methods included volatile organic compound sensors and silicon nanowire field effect transistors. Fourteen studies (total n = 3028) involving all technologies reported quantitative results, with sensitivities ranging from 67%–100% and specificities from 71%–98%. The summary sensitivity across six studies utilizing MS-based breath analysis methods was 82.4% (95% CI: 78%–86%); summary specificity was 91.3% (95% CI: 83%–96%). Based on these values, we estimated that screening with MS-based breath tests could lower the number needed to screen (NNS) by more than eight-fold in the 15 countries with the highest prevalence of gastric cancer. Breath analysis is a promising method for gastric cancer detection with good diagnostic performance and potential to decrease the NNS for endoscopy-based gastric cancer detection. However, due to the heterogeneity of breath analysis technologies, rigorous studies with standardized, reproducible methods are needed to evaluate the clinical applicability of these technologies.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».