Potential urinary volatile organic compounds as screening markers in cancer – a review
Notice bibliographique
Résumé
Early detection of cancer typically facilitates improved patient outcomes; however, many cancers are not easily diagnosed at an early stage. One potential route for developing new, non-invasive methods of cancer detection is by testing for cancer-related volatile organic compounds (VOCs) biomarkers in patients' urine. In this review, 44 studies covering the use and/or identification of cancer-related VOCs were examined, including studies which examined multiple types of cancer simultaneously, as well as diverse study designs. Among these studies the most studied cancers included prostate cancer (29% of papers), lung cancer (22%), breast cancer (20%), and bladder cancer (18%), with a smaller number of studies focused on colorectal cancer, cervical cancer, skin, liver cancer and others. Importantly, most studies which produced a VOC-based model of cancer detection observed a combined sensitivity and specificity above 150%, indicating that urine-based methods of cancer detection show considerable promise as a diagnostic tool. Mass spectrometry (MS) and electronic noses (eNose) were the most employed tools used in the detection of VOCs, while animal-based models were less common. In terms of VOCs of interest, 47 chemical species identified as correlated with various types of cancer in at least two unrelated papers, some of which were consistently up- or down-regulated in cancer patients, and which may represent useful targets for future studies investing urinary VOC biomarkers of cancer. Overall, it was concluded that research in this field has shown promising results, but more work may be needed before the widespread adoption of these techniques takes place.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».