Serum Midkine for AFP-negative hepatocellular carcinoma diagnosis: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Introduction To date, alpha-feto protein (AFP) remains the most widely used serum biomarker for hepatocellular carcinoma (HCC) diagnosis and prognosis. However, its role has become controversial as close to 30% of early stage HCC patients are AFP negative. Different studies on the diagnostic performance of novel AFP-negative HCC biomarkers have shown inconsistent results of sensitivity, specificity, and area under the receiver operating curve (AUROC). Here, we conducted a systematic review and meta-analysis to resolve this inconsistency. Methods Relevant studies were systematically searched from PubMed, Embase, Cochrane library, Scopus, and the China National Knowledge Infrastructure (chkd-cnki) databases up to the 20th October 2022. The Newcastle–Ottawa Scale was used to assess the methodological quality of included studies. Sensitivity, specificity, and area under the curve were pooled using the random effect model. Results Five studies, with a total of 286 patients, were included. Serum Midkine was assessed using enzyme-linked immunosorbent assay (ELISA) in all the studies, at diagnostic thresholds varying from 0.387 to 5.1 ng/ml. The summary estimates for serum Midkine were 76% (95% CI 70–81%) sensitivity, 85% (95% CI 82–87%) specificity, and 91% area under the receiver operating characteristic curve (AUC), while the pooled diagnostic odds ratio (DOR) was 27.64 (95% CI 4.95–154.17). Conclusion Based on these findings, serum Midkine is a very promising diagnostic biomarker for AFP-negative HCC and should be validated further in large cohort studies.
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 | 0,012 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,034 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».