Lung cancer risk discrimination of prediagnostic proteomics measurements compared with existing prediction tools
Notice bibliographique
Résumé
BACKGROUND: We sought to develop a proteomics-based risk model for lung cancer and evaluate its risk-discriminatory performance in comparison with a smoking-based risk model (PLCOm2012) and a commercially available autoantibody biomarker test. METHODS: We designed a case-control study nested in 6 prospective cohorts, including 624 lung cancer participants who donated blood samples at most 3 years prior to lung cancer diagnosis and 624 smoking-matched cancer free participants who were assayed for 302 proteins. We used 470 case-control pairs from 4 cohorts to select proteins and train a protein-based risk model. We subsequently used 154 case-control pairs from 2 cohorts to compare the risk-discriminatory performance of the protein-based model with that of the Early Cancer Detection Test (EarlyCDT)-Lung and the PLCOm2012 model using receiver operating characteristics analysis and by estimating models' sensitivity. All tests were 2-sided. RESULTS: The area under the curve for the protein-based risk model in the validation sample was 0.75 (95% confidence interval [CI] = 0.70 to 0.81) compared with 0.64 (95% CI = 0.57 to 0.70) for the PLCOm2012 model (Pdifference = .001). The EarlyCDT-Lung had a sensitivity of 14% (95% CI = 8.2% to 19%) and a specificity of 86% (95% CI = 81% to 92%) for incident lung cancer. At the same specificity of 86%, the sensitivity for the protein-based risk model was estimated at 49% (95% CI = 41% to 57%) and 30% (95% CI = 23% to 37%) for the PLCOm2012 model. CONCLUSION: Circulating proteins showed promise in predicting incident lung cancer and outperformed a standard risk prediction model and the commercialized EarlyCDT-Lung.
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 | 0,013 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».