EXPLORING MICRORNA EXPRESSION PATTERNS IN EARLY DETECTION AND PROGRESSION OF HEPATOCELLULAR CARCINOMA- SYSTEMATIC REVIEW
Notice bibliographique
Résumé
Background: Hepatocellular carcinoma (HCC) is a leading cause of cancer-related mortality worldwide, with most cases diagnosed at an advanced stage due to limitations in current diagnostic tools. Traditional biomarkers such as alpha-fetoprotein lack the sensitivity and specificity needed for early detection. MicroRNAs (miRNAs) have emerged as promising molecular biomarkers, but evidence remains fragmented and inconsistent, highlighting the need for a systematic synthesis of current findings. Objective: This systematic review aims to evaluate the diagnostic and prognostic value of specific microRNAs in the early detection and monitoring of hepatocellular carcinoma. Methods: A systematic review was conducted following PRISMA guidelines. Literature searches were performed across PubMed, Scopus, Web of Science, and Cochrane Library for studies published between January 2019 and July 2024. Inclusion criteria encompassed observational and case-control studies assessing miRNA expression in HCC patients. Studies were screened independently by two reviewers, and data were extracted using a standardized form. Risk of bias was assessed using the Newcastle-Ottawa Scale. Due to heterogeneity in methodologies, a qualitative synthesis was performed. Results: Eight studies involving 2,342 participants were included. Key miRNAs identified with strong diagnostic or prognostic relevance included miR-21, miR-122, miR-125b, miR-224, and exosomal miR-500a-3p. Reported sensitivities ranged from 72% to 85%, with area under the curve (AUC) values up to 0.91. Many miRNAs correlated significantly with tumor stage, recurrence, and survival outcomes. Risk of bias was generally low to moderate across included studies. Conclusion: MicroRNAs show substantial potential as non-invasive biomarkers for the early diagnosis and monitoring of HCC. However, variability in detection methods and limited population diversity call for further large-scale, standardized studies to confirm their clinical applicability.
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 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».