MétaCan
Menu
Retour à la cohorte
Enregistrement W3176257779 · doi:10.1096/fasebj.2019.33.1_supplement.250.9

Performance of preoperative plasma tumor markers HE4 and CA125 in predicting ovarian cancer mortality in women with epithelial ovarian cancer

2019· article· en· W3176257779 sur OpenAlexafffundabout
Daniela Furrer, Jean‐Pierre Grégoire, Stéphane Turcotte, Marie Plante, Dimcho Bachvarov, Dominique Trudel, Bernard Têtu, Pierre Douville, Isabelle Bairati

Notice bibliographique

RevueThe FASEB Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueOvarian cancer diagnosis and treatment
Établissements canadiensCentre Hospitalier de l’Université de MontréalUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésMedicineCohortBiomarkerOncologyReceiver operating characteristicInternal medicineOvarian cancerHazard ratioCancerProportional hazards modelEpithelial ovarian cancerCohort studyMultivariate analysisConfidence interval

Résumé

récupéré en direct d'OpenAlex

Objective Clinical utility of new biomarkers often requires the identification of their optimal threshold. This external validation study was conducted to assess the performance of the preoperative plasma tumor markers HE4 and CA125 optimal cut‐offs to predict cancer mortality in women with epithelial ovarian cancer (EOC). Methods Participating women had upfront debulking surgery in the University Hospital of Quebec City (Canada) between 1988 and 2013. A total of 136 women participated in the training cohort (cohort 1) and 177 in the validation cohort (cohort 2). Preoperative plasma HE4 and CA125 levels were measured by Elecsys®. Optimal thresholds were identified in the cohort 1 using time‐dependent receiver operating characteristic (ROC) curves. Multivariate Cox models were used to validate the biomarkers using their optimal cut‐offs in the cohort 2. The likelihood ratio (LR) test was done to test the prognostic value of each biomarker. Results The Areas Under the Curves (AUC) for HE4 and CA125 were respectively 64.2 (95% CI: 54.7–73.6) and 63.1 (95%CI: 53.6–72.6). The optimal thresholds were 277 pmol/L for HE4 and 282 U/ml for CA125. Only HE4 (≥277 pmol/L) was significantly associated with EOC mortality (adjusted hazard ratio: 1.80; 95% CI: 1.03–3.15). In addition, HE4 added prediction for death over the standard prognostic markers (p‐value for LR‐test: 0.03). Conclusions Preoperative HE4 is a promising prognostic biomarker and performs better in predicting EOC mortality than CA125. This prognostic information provided by this optimal HE4 cut‐off, before surgery, could be useful for clinicians to better plan treatment strategies. Support or Funding Information This study was partly funded by the “Banque de tissus et de données du Réseau de recherche sur le cancer, Fonds de Recherche du Québec‐Santé », which is affiliated with the Canadian Tumor Repository Network. We thank Roche Diagnostics (Laval, Canada) for providing the HE4 and CA125 kits and the funds for the dosages and the statistical analyses. This abstract is from the Experimental Biology 2019 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,258
Écart entre enseignants0,246 · 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
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetOvarian cancer diagnosis and treatmentTravaux en français237 207