The Use of Blood-Based Biomarkers in the Prediction of Colorectal Neoplasia at the Time of Primary Screening Colonoscopy Among Average-Risk Patients: A Systematic Literature Review
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Risk prediction models (RPMs) for colorectal cancer (CRC) could facilitate risk-based screening. Models incorporating biomarkers may improve the utility of current RPMs. We performed a systematic review of studies reporting RPMs for CRC that evaluated the impact of blood-based biomarkers on clinical outcome prediction at the time of screening colonoscopy in average-risk populations. METHODS: We conducted a search of MEDLINE, Web of Science, and PubMed databases from inception through April 2024. Studies that developed or validated a model to predict risk of CRC or its precursors were included. Studies were limited to those including patients undergoing average-risk CRC screening. RESULTS: Sixteen studies published between 2015 and 2024 were included. Outcomes included CRC (16 studies) and high-risk adenomas (1 study). Using a complete blood count was the most common biomarker and was able to achieve an AUC of 0.82 and a specificity of 0.88. Other blood-based biomarkers included were various serum proteins/metabolites/enzymes, plasma metabolites, insulin-related factors, and anemia markers. The highest-performing model, with an AUC of 0.99, involved the use of a plasma metabolite panel. CONCLUSIONS: The evidence base of RPMs for CRC screening is expanding and incorporating biomarkers, which remain a prominent aspect of model discovery. Most RPMs included a lack of internal/external validation or discussion as to how the model could be implemented clinically. As biomarkers improve the discriminatory potential of RPMs, more research is needed for the evaluation and implementation of RPMs within existing CRC screening frameworks.
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 | 0,010 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».