MétaCan
Menu
Retour à la cohorte
Enregistrement W4224675640 · doi:10.1371/journal.pone.0266623

Clinical validation of a next-generation sequencing-based multi-cancer early detection “liquid biopsy” blood test in over 1,000 dogs using an independent testing set: The CANcer Detection in Dogs (CANDiD) study

2022· article· en· W4224675640 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueVeterinary Oncology Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNational Cancer InstituteUniversity of GuelphUniversity of MissouriUniversity of MinnesotaColorado State UniversityOhio State University
Mots-clésCancerMedicineLiquid biopsySarcomaBiopsyPathologyHemangiosarcomaLymphomaOsteosarcomaCancer screeningInternal medicineSoft tissue sarcomaOncologyAngiosarcoma

Résumé

récupéré en direct d'OpenAlex

Cancer is the leading cause of death in dogs, yet there are no established screening paradigms for early detection. Liquid biopsy methods that interrogate cancer-derived genomic alterations in cell-free DNA in blood are being adopted for multi-cancer early detection in human medicine and are now available for veterinary use. The CANcer Detection in Dogs (CANDiD) study is an international, multi-center clinical study designed to validate the performance of a novel multi-cancer early detection "liquid biopsy" test developed for noninvasive detection and characterization of cancer in dogs using next-generation sequencing (NGS) of blood-derived DNA; study results are reported here. In total, 1,358 cancer-diagnosed and presumably cancer-free dogs were enrolled in the study, representing the range of breeds, weights, ages, and cancer types seen in routine clinical practice; 1,100 subjects met inclusion criteria for analysis and were used in the validation of the test. Overall, the liquid biopsy test demonstrated a 54.7% (95% CI: 49.3-60.0%) sensitivity and a 98.5% (95% CI: 97.0-99.3%) specificity. For three of the most aggressive canine cancers (lymphoma, hemangiosarcoma, osteosarcoma), the detection rate was 85.4% (95% CI: 78.4-90.9%); and for eight of the most common canine cancers (lymphoma, hemangiosarcoma, osteosarcoma, soft tissue sarcoma, mast cell tumor, mammary gland carcinoma, anal sac adenocarcinoma, malignant melanoma), the detection rate was 61.9% (95% CI: 55.3-68.1%). The test detected cancer signal in patients representing 30 distinct cancer types and provided a Cancer Signal Origin prediction for a subset of patients with hematological malignancies. Furthermore, the test accurately detected cancer signal in four presumably cancer-free subjects before the onset of clinical signs, further supporting the utility of liquid biopsy as an early detection test. Taken together, these findings demonstrate that NGS-based liquid biopsy can offer a novel option for noninvasive multi-cancer detection in dogs.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,389
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,393
Tête enseignante GPT0,419
Écart entre enseignants0,026 · 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