Autoantibodies, antigen-autoantibody complexes and antigens complement CA125 for early detection of ovarian cancer
Notice bibliographique
Résumé
BACKGROUND: Multiple antigens, autoantibodies (AAb), and antigen-autoantibody (Ag-AAb) complexes were compared for their ability to complement CA125 for early detection of ovarian cancer. METHODS: Twenty six biomarkers were measured in a single panel of sera from women with early stage (I-II) ovarian cancers (n = 64), late stage (III-IV) ovarian cancers (186), benign pelvic masses (200) and from healthy controls (502), and then split randomly (50:50) into a training set to identify the most promising classifier and a validation set to compare its performance to CA125 alone. RESULTS: Eight biomarkers detected ≥ 8% of early stage cases at 98% specificity. A four-biomarker panel including CA125, HE4, HE4 Ag-AAb and osteopontin detected 75% of early stage cancers in the validation set from among healthy controls compared to 62% with CA125 alone (p = 0.003) at 98% specificity. The same panel increased sensitivity for distinguishing early-stage ovarian cancers from benign pelvic masses by 25% (p = 0.0004) at 95% specificity. From 21 autoantibody candidates, 3 AAb (anti-p53, anti-CTAG1 and annt-Il-8) detected 22% of early stage ovarian cancers, potentially lengthening lead time prior to diagnosis. CONCLUSION: A four biomarker panel achieved greater sensitivity at the same specificity for early detection of ovarian cancer than CA125 alone.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».