MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161983397 · doi:10.82308/50199

Design and optimization of a liquid biopsy collector for ovarian and endometrial cancer screening

2020· dissertation· en· W7161983397 sur OpenAlexaboutno aff
Paola Ulacia Flores

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEndometrial cancerLiquid biopsyMedical screeningEpithelial ovarian cancerOvarian cancer

Résumé

récupéré en direct d'OpenAlex

Les cancers de l'ovaire et de l'endomètre sont parmi les principales causes de décès des femmes de plus de 45 ans dans les pays développés et les plus meurtriers des cancers gynécologiques avec un taux de survie global de 46,5%. Chaque année, 15 000 femmes meurent aux États-Unis et au Canada de cette maladie.Actuellement, aucun programme de dépistage n'est en place et les outils de diagnostic disponibles ne sont ni spécifiques ni suffisamment sensibles pour une détection précoce. Les soins standards permettent d’évaluer et d’établir le stade d’un cancer précédemment diagnostiqué, mais n'a pas été prouvé efficace pour la détection précoce.Le groupe de recherche du Dr Gilbert du Centre Universitaire de Santé McGill (CUSM) a mis au point un test de détection précoce de ces cancers, basé sur l'identification de marqueurs tumoraux génétiques à partir d'échantillons intra-utérins. Cependant, les outils dont il disposa pour se procurer ces échantillons n'étaient pas idéaux, nous avons donc décidé de concevoir un échantillonneur pour biopsies liquides de la cavité utérine.Des méthodologies de conception pour la fabricabilité ont été utilisées pour obtenir la première génération de l'échantillonneur de biopsie liquide intra-utérine. Des tests de vérification et de validation in vitro ont été effectués tout au long du processus pour la stabilité structurelle, les performances de collecte volumétrique et la facilité d'utilisation.Les nouveaux concepts ont montré une augmentation du volume de collecte de 1,3 fois par rapport au contrôle et ont transféré 1,4 échantillons de plus dans le flacon de conservation. Les appareils sont structurellement solides et sûrs à utiliser dans des conditions normales

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,299
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMolecular Biology Techniques and Applications→Travaux en français237 207→