CLINICAL BIOMARKERS FOR THE NONINVASIVE DIAGNOSIS OF ENDOMETRIOSIS
Notice bibliographique
Résumé
Endometriosis is a chronic estrogen-dependent gynecological disease where endometrial cells implant at inappropriate sites causing significant pelvic pain, decreased quality of life, and often infertility. It affects 10% of women of reproductive age, and there is no minimally invasive diagnostic test. Consequently the time to diagnosis, which occurs during laparoscopic surgery followed by pathological confirmation of disease, is prolonged and exceeds 11 years. During this time, the disease often worsens and women thus experience avoidable morbidity. Additionally, endometriosis is a financial burden on the healthcare system, with annual costs of $69.4 billion (U.S.) and $1.8 billion (Canada) in 2009. For these reasons, identifying a clinical marker remains a top priority. Although over 100 putative markers have been identified and reviewed, none have proven sufficiently accurate or reliable for disease diagnosis. For endometriosis to develop endometrial tissue must evade the immune system and adhere, implant, create new vasculature, and grow at ectopic locations. As such it is likely that abnormalities in many or all of these pathways are requisite for disease formation and progression. With this in mind, serum concentrations of eight putative biomarkers believed to be involved in varying pathogenic processes were compared between patients with both surgically and histologically confirmed presence (n=96) and absence (n=25) of endometriosis. Results showed there to be a significant elevation in two of these markers (glycodelin p<0.001, and zinc alpha 2-glycoprotein (ZAG) p=0.009 when hormonally untreated cases (n=57) were compared to controls. ROC analysis revealed glycodelin to have a sensitivity of 81.6% and specificity of 69.6% for disease diagnosis, while ZAG had a sensitivity of 46% and a specificity of 100%. Subsequent analysis revealed that if combined in panel, using both glycodelin and ZAG could result in a test with a sensitivity of 90%, and a specificity of 65%, giving greater accuracy for disease detection than either independently.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».