Blood plasma resonance Raman spectroscopy combined with multivariate analysis for esophageal cancer detection
Notice bibliographique
Résumé
Abstract We herein report a novel, reliable and inexpensive method for detecting esophageal cancer using blood plasma resonance Raman spectroscopy combined with multivariate analysis methods. The blood plasma samples were divided into late stage cancer group (n = 164), early stage cancer group (n = 35) and normal group (n = 135) based on clinical pathological diagnosis. Using a specially designed quartz capillary tube as sample holder, we obtained higher quality resonance Raman spectra of blood plasma than existing method. The study demonstrated that the carotenoids levels in blood plasma were reduced in esophageal cancer patients. The area under the receiver operating characteristic curve (and 95% confidence interval) calculated by wavenumber selection and principal component analysis combined with linear discriminant analysis (PC‐LDA) algorithm were 0.894 (0.858‐0.929), 0.901 (0.841‐0.960) and 0.871 (0.799‐0.942) for differentiating late cancer from normal, late cancer from early cancer, and early cancer from normal respectively. The contribution from the two carotenoids wavenumber regions of 1155 and 1515 cm −1 were more than 84.2%. The results show that the plasma carotenoids could be a potential biomarker for screening esophageal cancer using resonance Raman spectroscopy combined with wavenumber selection and PC‐LDA algorithms.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».