Diagnostic Value of microRNA Signatures for Early and Non-Invasive Detection of Colorectal Cancer: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Colorectal cancer (CRC) continues to be a primary contributor to the global health burden, and early detection is vital for optimal outcomes. Standard detection techniques, including colonoscopy and fecal occult blood tests, have been confirmed effective yet their invasiveness and poor sensitivity are a limitation. MicroRNA (miRNA) are now recognized as stable non-invasive biomarkers with differential expression in cancerous tissues, but reports have been heterogeneous and studied under different settings. This study, completed based on PRISMA guidelines, was a systematic review of miRNA signature diagnostic accuracy to detect early CRC. Case-case control studies, cross-sectional, and cohort research published between 2014–2024 were identified through the Scopus, PubMed, and Cochrane databases. We extracted diagnostic metrics such as sensitivity and specificity while assessing bias with the ROBINS-e tool and the Newcastle-Ottawa Scale. Meta-analyses showed that miRNA panels have high diagnostic accuracy with a pooled sensitivity of 1.84 (95% CI: 1.48–2.19) and a pooled specificity of 1.43 (95% CI: 1.01–1.85). The accuracy of miRNA-139-3p was the highest among all panels. Meta-regression did not reveal any significant confounders, while publication bias was not detected. These results highlight the miRNA panels’ potential as non-invasive biomarkers in early CRC detection, providing a promising alternative to conventional screening methods, with miRNA-139-3p as the most diagnostically accurate biomarker.
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 | 0,017 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,040 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».