Data from A Multiparametric Panel for Ovarian Cancer Diagnosis, Prognosis, and Response to Chemotherapy
Notice bibliographique
Résumé
Abstract Purpose: Our goal was to examine a panel of 11 biochemical variables, measured in cytosolic extracts of ovarian tissues (normal, benign, and malignant) by quantitative ELISAs for their ability to diagnose, prognose, and predict response to chemotherapy of ovarian cancer patients. Experimental Design: Eleven proteins were measured (9 kallikreins, B7-H4, and CA125) in cytosolic extracts of 259 ovarian tumor tissues, 50 tissues from benign conditions, 35 normal tissues, and 44 tissues from nonovarian tumors that metastasized to the ovary. Odds ratios and hazard ratios and their 95% confidence interval were calculated. Time-dependent receiver operating characteristic curves for censored survival data were used to evaluate the performance of the biomarkers. Resampling was used to validate the performance. Results: Most biomarkers effectively separated cancer from noncancer groups. A composite marker provided an area under the curve of 0.97 (95% confidence interval, 0.95-0.99) for discriminating normal and cancer groups. Univariately, hK5 and hK6 were positively associated with progression. After adjusting for clinical variables in multivariate analysis, both hK10 and hK11 significantly predicted time to progression. Increasing levels of hK13 were associated with chemotherapy response, and the predictive power of hK13 to chemotherapy response was improved by a panel of five biomarkers. Conclusions: The evidence shows that a group of kallikreins and multiparametric combinations with other biomarkers and clinical variables can significantly assist with ovarian cancer classification, prognosis, and response to platinum-based chemotherapy. In particular, we developed a multiparametric strategy for predicting ovarian cancer response to chemotherapy, comprising several biomarkers and clinical features.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».