Data from Pentraxin-3 Is a Novel Biomarker of Lung Carcinoma
Notice bibliographique
Résumé
<div>Abstract<p><b>Purpose:</b> Our objective was to validate the performance of three new candidate lung cancer biomarkers, pentraxin-3 (PTX3), human kallikrein 11 (KLK11), and progranulin.</p><p><b>Experimental Design:</b> We analyzed by commercial ELISA, and with a blinded protocol, 422 samples from 203 patients with lung carcinoma, 180 individuals with high risk for lung cancer (heavy smokers), and 43 individuals with cancers other than lung. All samples were obtained from the Early Detection Research Network (Reference set A).</p><p><b>Results:</b> We found that progranulin and KLK11 were not informative lung cancer biomarkers, with areas under the receiver operating characteristic curve (AUC; ROC), close to 0.50. However, PTX3 was an informative lung cancer biomarker, with considerable ability to separate lung cancer patients from high-risk controls. At 90% and 80% specificity, the sensitivities versus the high-risk control group were 37% and 48%, respectively. The discriminatory ability of PTX3 was about the same with all major subtypes and histotypes of lung cancer. The AUC of the ROC curves increased according to the disease stage, from 0.64 (stage I) to 0.72 (stage IV).</p><p><b>Conclusion:</b> PTX3, but not KLK11 or progranulin, is a new serum biomarker for lung carcinoma. Its diagnostic sensitivity and specificity is similar to other clinically used lung cancer biomarkers. More studies are needed to establish if PTX3 has clinical utility for lung cancer diagnosis and management. <i>Clin Cancer Res; 17(8); 2395–9. ©2011 AACR</i>.</p></div>
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) | 0,001 | 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 | 0,003 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».