Serum Biomarkers Study and the Establishment of Diagnostic Models for Hepatitids B-Related HCC
Notice bibliographique
Résumé
China's HCC accounts for 90% of HBV related HCC. Early detection, diagnosis and treatment are the key to effective control of HCC. By measuring the levels of expression of AFP, DCP and GP73 in the serum of HBV-related HCC patients, the diagnostic value of single and combined detection of the above indicators in HBV-related HCC shall be discussed, and the mathematical model of differential diagnosis by SVM shall be established to provide reference for the diagnosis of HBV-related HCC. A total of 301 patients and healthy persons from March 2016 to January 2018 from Beijing Tongren Hospital affiliated to Capital Medical University have been selected. These lection includes 57 cases of HBV-related HCC, 61 cases of non- HBV-related HCC, 52 cases of HBV-related cirrhosis, 57 cases of chronic HBV, and 74 healthy persons in the same period. The levels of serum DCP, AFP and GP73 in each group were measured. Combined diagnosis of three indexes is better than single diagnosis, P<0.001. Using SVM mathematical diagnosis model, the specificity and sensitivity of diagnosing HBV-related HCC and healthy controls reached 98.7% and 97.6%, while the specificity and sensitivity of diagnosing HBV-related HCC and HBV-related cirrhosis reached 90.91% and 96.3%, respectively. Serum DCP, AFP and GP73 can be used independently as a useful reference for diagnosing HBV-related HCC patients. Combined detection of the three indicators can improve the sensitivity of HBV-related HCC diagnostic test. The SVM model can be used to diagnose and identify liver diseases at different stages.
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 | 0,001 | 0,006 |
| 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 ».