Extracto
Objetivo
herramientas de detección fecales actuales para el cáncer colorrectal (CCR), tales como análisis de sangre oculta en heces (FOBT), están limitados por su baja sensibilidad. Calgranulina B (CALB) se había informado anteriormente como marcador fecal candidato a la CRC. Este estudio investigó si una combinación de la sangre oculta en heces fecales y CALB ha aumentado la sensibilidad y especificidad para el diagnóstico de CCR.
Materiales y Métodos
Los pacientes con CCR (
n =
175), y de individuos sanos (controles;
n
= 151) fueron incluidos en el desarrollo (81 casos y 51 controles) y validación (94 casos y 100 controles) conjuntos. Las muestras de heces se recogieron antes de la preparación del intestino. niveles CALB se determinaron por Western Blot. SOH y los resultados fecales Calb se utilizaron para desarrollar un modelo predictivo basado en el análisis de regresión logística. El beneficio de añadir CALB a un modelo con sólo el FOBT se evaluó como una mayor área bajo la curva de funcionamiento del receptor (AUC), AUC parcial, y la mejora reclasificación (RI) en los casos y controles, y mejora neta reclasificación (NRI).
resultados
nivel medio del CALB fue significativamente mayor en los pacientes con CRC que en los controles (
P Hotel & lt; 0,001). CALB no se asoció con el estadio del tumor o en el sitio del cáncer, pero la positividad en el FOBT fue significativamente mayor en avanzada que en etapas anteriores del tumor. En una especificidad del 90%, el AUC y la sensibilidad validación cruzada fueron 89.81% y 82.72%, respectivamente, en el conjunto del desarrollo, y 92.74% y 79.79%, respectivamente, en el conjunto de validación. El beneficio incremental de añadir CALB al modelo, como se muestra por el aumento en AUC, tenía un valor de p de 0,0499. RI en casos y controles y NRI toda reveló que la adición de CALB mejoró significativamente el modelo de predicción.
Conclusión
Un modelo predictivo usando una combinación de FOBT y CALB pueden tener mayor sensibilidad y especificidad y AUC para CRC predecir que los modelos que utilizan un único marcador
Visto:. Kim C., Joo J, Chang HJ, Yeo HY, Yoo aC, Park B, et al. (2014) Una combinación de modelos de predicción fecal Calgranulina B oculta en heces y análisis de sangre pueden mejorar el diagnóstico de cáncer colorrectal. PLoS ONE 9 (9): e106182. doi: 10.1371 /journal.pone.0106182
Editor: John Souglakos, Hospital General Universitario de Heraklion y Laboratorio de Biología de Células Tumorales, Escuela de Medicina de la Universidad de Creta, Grecia
Recibido: April 14, 2014; Aceptado: 28 Julio 2014; Publicado: 4 Septiembre 2014
Derechos de Autor © 2014 Kim et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Disponibilidad de datos:. La autores confirman que todos los datos que se basan los resultados son totalmente disponible sin restricciones. Todos los datos relevantes se encuentran dentro del apoyo de sus archivos de información en papel y
Financiación:. Bases de apoyo: Esta investigación fue apoyada por la beca del Centro Nacional del Cáncer de Corea (NCC-1240830-1), y por la Investigación Convergente Programa centro financiado por el Ministerio de Educación, Ciencia y Tecnología (Proyecto N 2013K000271). Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer colorrectal (CCR) es el tercer cáncer más común en todo el mundo [1], y su prevalencia en Corea está aumentando drásticamente [2]. Al igual que otros tipos de cáncer, la supervivencia de los pacientes con CCR está estrechamente relacionada con la etapa de diagnóstico. La detección temprana del CRC no sólo se asocia con la mejora de los resultados [3], sino que también reduce significativamente el coste de tratamiento. pruebas actuales para el CDN implican la detección de sangre en heces y la visualización de anormalidades graves por colonoscopia. Aunque la colonoscopia sigue siendo el método estándar de oro para CRC de detección, diagnóstico y tratamiento, es invasivo y asociada con una mala aceptabilidad del paciente y el alto coste. Por el contrario, las pruebas de heces no son invasivas, no requiere preparación intestinal, puede representar todo el colon, y son adecuados para el cribado masivo, y las muestras son fáciles de transportar [1].
marcadores de heces son actualmente clasificados como los que filtre, son secretadas por, o se desprenden de las células neoplásicas [4], [5]. La hemoglobina es una proteína filtrada medida en el examen de sangre oculta convencional (FOBT), que se utiliza comúnmente en los programas de cribado de CCR a gran escala [1], [6] - [10]. La calprotectina es otra proteína filtrado que puede ser un marcador de CRC [7], [9], [11]. Estos marcadores, sin embargo, tienen relativamente pobre sensibilidad y especificidad. De hecho, todavía no hay herramientas de detección no invasivos que muestran una alta sensibilidad y alta especificidad para el CDN.
Los niveles elevados de calgranulina B (CALB) se han detectado en muestras de heces de pacientes con CRC [7]. La calprotectina es un heterodímero compuesto de calgranulina A y CALB conectada por un puente peptídico. CALB mostró mayor sensibilidad pero menor especificidad para CRC de sangre oculta en heces [7]. La hipótesis de que una combinación de marcadores fecales candidatos, en lugar de un solo marcador, sería mejorar el diagnóstico de CRC. Por ello, investigó prospectivamente si la combinación de sangre oculta en heces y CALB mejoró la sensibilidad y especificidad del bien solo en el diagnóstico de CCR.
Materiales y Métodos
Diseño del estudio
Los sujetos fueron divididos en dos conjuntos independientes, un desarrollo y un conjunto de validación. La cohorte de desarrollo consistió en pacientes de nuestro estudio anterior [7], en el que se realizó un primer análisis de transferencia Western de CALB, seguido de un análisis ELISA. El análisis de transferencia Western se realizó sobre muestras de 81 pacientes con CRC. El conjunto de desarrollo de este estudio incluyó estos 81 pacientes con CCR y 51 controles. Dado que hemos encontrado resultados interesantes mediante la adición de los datos Calb de Western blot de sangre oculta en heces, se intentó validar el modelo en una cohorte de pacientes independiente. El tamaño de la muestra para el conjunto de validación se basa en los resultados anteriores [12], lo que demuestra que se necesitarían 85 sujetos caso de una sensibilidad esperada del 85% y para dar un 95% de probabilidad de que la estimación del límite de confianza del 95% inferior de sensibilidad haría estar por encima de 75%. Estimando que la tasa de abandono, debido, por ejemplo, para probar el fracaso, sería del 10%, se estimó que 94 sujetos caso, independientemente de la cohorte de desarrollo, serían necesarios. Ninguno de estos pacientes abandonaron el estudio, sin embargo, y los 94 sujetos fueron incluidos en el conjunto de validación. Un cálculo similar se realizó para los sujetos de control, pero ligeramente se procesaron más debido a la mayor disponibilidad. En consecuencia, 100 sujetos de control independientes de la cohorte de desarrollo se incluyen en el conjunto de validación. Basado en 94 sujetos, se calculó que, a una especificidad del 90%, el intervalo de confianza del 95% inferior estimado para la especificidad estaría por encima de 75% y 80% en 99% y 85% de los sujetos, respectivamente. La adición de seis sujetos adicionales aumentaría estas probabilidades a 99,5% y 87,3%, respectivamente.
Sujetos y muestras de heces
Los sujetos fueron divididos en un conjunto de desarrollo y un conjunto de validación. El conjunto de desarrollo incluyó 81 pacientes diagnosticados con CRC y 51 controles, de edad media (DE) 63.16 (10.42) años y de 50,24 (10,12) años, respectivamente. El conjunto de validación incluyó 94 pacientes con CCR y 100 controles, de edad media (DE) 62,96 (11,97) años y 49.43 (10.78) años, respectivamente.
CRC fueron diagnosticados mediante colonoscopia y la histopatología. Todos los exámenes histopatológicos fueron realizados por un solo patólogo gastrointestinal (HJ Chang) y los resultados se clasificaron de acuerdo con las directrices de la Organización Mundial de la Salud, con carcinomas clasificados por American Joint Committee on etapa del cáncer [13], [14]. Las lesiones también fueron clasificados de acuerdo a su ubicación en el lado derecho o izquierdo del colon. El colon derecho se define como que se extiende desde el ciego al Flexus esplénica, mientras que el colon izquierdo se define como que se extiende desde el colon descendente hasta el recto [15]. Todos los sujetos del grupo de control tuvieron resultados negativos en la colonoscopia.
Todos los sujetos inscritos fueron sometidos a una colonoscopia, con la preparación y la sedación en función de características de los sujetos. Las muestras de heces se recogieron antes de la preparación del intestino. consentimiento informado
Hemos proporcionado la información escrita y explicó el estudio a los participantes por los coordinadores de la investigación antes de que participaron de este estudio. Después de que ellos entienden completamente y estuvieron de acuerdo con este estudio, firmaron un formulario de consentimiento informado. Los protocolos de investigación para el presente estudio fueron revisados y aprobados por la Junta de Revisión Institucional del Centro Nacional del Cáncer, Corea (NCCNTS-08-354).
Muestra de heces preparación
Las muestras de heces (0,1 g en 0,3 ml PBS) que contiene inhibidores de la proteasa se agitaron en vórtex y se centrifugó a 12.000 × g durante 10 min. Se recogieron los sobrenadantes que contienen las proteínas extraídas sin molestar a los gránulos y se utilizan para el Western Blot.
Western blotting
cantidades equivalentes de proteína de las heces (10 g) se sometieron a SDS-PAGE y se transfirieron a PVDF membranas (Millipore, Billerica, MA). Las membranas se incubaron durante 2 horas a 4 ° C en 1% de Tween 20-TBS que contiene 1,5% de leche sin grasa seca (Bio-Rad, Berkeley, CA) y mM MgCl 1
2 para bloquear la unión no específica, y posteriormente se incubaron durante 2 h a temperatura ambiente con anticuerpos primarios contra CALB (ambos de Santa Cruz Biotechnology, Santa Cruz, CA). Después de tres lavados de 15 min cada una con solución de bloqueo, las membranas se incubaron con anticuerpo secundario diluido conjugado con HRP (Southern Biotech, Birmingham, Reino Unido) durante 1 h a temperatura ambiente. Las membranas se lavaron de nuevo tres veces durante 15 min cada una con solución de bloqueo, se incubaron con el West-ZOL® más reactivo de quimioluminiscencia (Intron Biotechnology, Gyeonggi, Corea) por 1 min, y expuestos a la película (Kodak azul XB-1; Kodak, Rochester , NY). La densidad óptica (unidad arbitraria) de señales Calb se midió por
TINA 2.10e
de software (Raytest Isotopenmessgeraete GmbH, Straubenhardt, Alemania), y el nivel relativo de CALB en las heces se cuantificó mediante la comparación de su nivel de expresión en muestras de heces a que, en la línea celular de cáncer de mama humano SK-BR-3 (10 mg).
FOBT
FOBT se realizó utilizando un kit OC-sensor (EIKEN Chemical Co. Ltd. , Tokio, Japón), de acuerdo con las instrucciones del fabricante, por los investigadores cegados a la fuente de cada muestra. El FOBT utilizado en este estudio no requiere restricciones dietéticas. La analítica de corte para la FOBT positividad fue de 100 ng Hb /ml.
El análisis estadístico
Entre los niveles de grupo de CALB se probaron utilizando métodos no paramétricos (prueba de Wilcoxon de suma de rangos de Kruskal y Wallis test). La proporción de muestras positivas para FOBT en dos grupos se comparó mediante la prueba de chi-cuadrado de Pearson. El modelo predictivo CRC fue desarrollado sobre la base de regresión logística, que estima la probabilidad de CRC en función de variables exploratorias. Para dar cabida a la no normalidad de las mediciones Calb, se utilizó su rango en el análisis de regresión logística como covariable [16]
.
Se consideraron dos modelos de predicción. El primer modelo utilizado solamente FOBT, y la segunda incluidos ESOH y CALB. Debido a los desequilibrios en la edad entre los pacientes con CRC y controles, tanto en el desarrollo y validación conjuntos, la edad se ajustó en ambos modelos. La capacidad de estos modelos para llevar a cabo en una cohorte independiente se evaluó mediante el análisis de la curva de funcionamiento del receptor (ROC); las áreas bajo las curvas ROC (AUC), y las áreas parciales bajo la curva (pAUC) correspondiente a una especificidad & gt; 0,9 se validaron internamente con la primera licencia de una salida técnica de validación cruzada (LOOCV). Después de la validación interna, los modelos de predicción construido utilizando el conjunto de desarrollo se aplicó al conjunto de validación, y las actuaciones de los modelos fueron evaluados externamente. Una vez que ambas las validaciones internas y externas revelaron un rendimiento aceptable, el modelo predictivo final para su uso en futuros súbditos fue desarrollado utilizando el conjunto de datos total, compuesto tanto de los conjuntos de desarrollo y validación, ya que la exactitud en la estimación de los efectos de los factores de riesgo aumenta con el aumento tamaño de la muestra [17]. Esquemas de estos procedimientos de desarrollo de modelo se muestran en la Figura S1.
El beneficio incremental de un nuevo marcador, CALB, se evaluó determinando un incremento del AUC y pAUC, mejoras de reclasificación (RI) para casos y controles, y neta mejoras Reclasificación (NRI) [18]. Las medidas de AUC lo bien que el modelo distingue entre pacientes y controles de CRC, y puede ser interpretada como la probabilidad de que un modelo asignará mayor probabilidad a un paciente CRC que a un sujeto de control. El pAUC sólo tiene en cuenta los ROC correspondiente a los valores preestablecidos de la sensibilidad o especificidad; en este estudio, las especificidades & gt; 0,9 se consideraron, por lo que el 10% del valor máximo alcanzable. aumentos estadísticamente significativos en el AUC y pAUC, sin embargo, son difíciles de determinar para los modelos predictivos con bastante buen rendimiento. NRI es una medida alternativa propuesta para superar este problema [18]. Para medir NRI, RI se calcula primero por separado para los grupos de pacientes y de control. RI en pacientes con CRC se define como la proporción de sujetos cuyo estimado probabilidad de un suceso es más alto con el más reciente que el modelo antiguo, menos la proporción de sujetos cuya probabilidad estimada es menor. RI en los sujetos control se define como la proporción de sujetos cuya probabilidad estimada es menor, menos la proporción de sujetos cuya probabilidad estimada es mayor. La suma de estas dos medidas es la NRI, con una distribución asintótica utiliza para evaluar su importancia [18]. Todos los análisis estadísticos se realizaron utilizando el software estadístico R versión 2.15.2. (Http://www.r-project.org).
Resultados
fecal CALB y FOBT
concentración
La mediana CALB fue significativamente mayor en las muestras de heces de pacientes con CRC que en los de los controles sanos (
P
& lt; 0,001) (Figura 1A, 1B y Tabla 1). Por lo tanto, CALB fecal por sí sola puede distinguir entre pacientes con CRC e individuos sanos con alta probabilidad
.
La línea celular de cáncer de mama humano SK-BR-3 se utilizó como control positivo para concentraciones CALB en calgranulina B. (B) de casos (pacientes con cáncer colorrectal) y el control de los pacientes se muestran por separado para los conjuntos de desarrollo y validación.
Entre los pacientes con CCR, los niveles de CALB no se asociaron con el estadio del tumor o en el sitio de cáncer tanto en el desarrollo y los conjuntos de validación (Tabla 1). Sin embargo, la tasa de positividad FOBT fue significativamente mayor en los pacientes con más de tumor etapas menos avanzadas, tanto en los conjuntos de desarrollo y validación (
P Hotel & lt; 0,05). (Tabla 1)
Rendimiento de
modelos predictivos incluyendo marcadores fecales en el diagnóstico de CRC
el panel superior de la Tabla 2 muestra la sensibilidad a una especificidad más cerca de 90%, el AUC, y pAUC a una especificidad de 90% -100% en el desarrollo y establecer los valores de sesgo corregido de estas medidas a través de la validación interna utilizando LOOCV. En una especificidad del 90,2%, la sensibilidad del modelo usando FOBT sola era 75.31%, el AUC fue 89,52% (IC del 95%: 84,19% -94,85%) y el pAUC fue 6,65%. En la misma especificidad, la sensibilidad del modelo que incluía tanto FOBT y CALB era 83,95%, el AUC fue 92,05% (IC del 95% 87,59% -95,50%) y el pAUC fue 7,02%, con toda mejorado en comparación con el modelo utilizando sólo FOBT. Del mismo modo, después de la corrección de polarización a través de LOOCV, la sensibilidad (82,72% frente a 75,31%), AUC (89,81% [95% CI 84,02% -95,60%] frente a 87,78%), y pAUC (5,70% frente a 5,62%) fueron mayores para el modelo que incluía tanto FOBT y CALB que para el modelo sólo incluyó FOBT. Las prestaciones de estos modelos en el conjunto de validación independiente se resumen en el panel inferior de la Tabla 2, con todos los resultados de naturaleza muy similar a los valores estimados después LOOCV.
El beneficio incremental del CALB se probó formalmente por evaluar el aumento de AUC [19]. El p-valor del incremento en el AUC del modelo usando FOBT solo para el modelo utilizando tanto CALB y sangre oculta en heces fue 0,0499 (Figura 2), lo que sugiere que la adición de CALB a un modelo que incluía FOBT mejoró significativamente el AUC. Del mismo modo, los valores de p para RI en pacientes con CRC y controles desde el modelo utilizando FOBT solo para el modelo utilizando tanto CALB y sangre oculta en heces fueron 0,0013 y 0,0173, respectivamente, y el valor de p de NRI fue 0,0001. Todos estos resultados indican que la adición de CALB al modelo resultó en una mejoría estadísticamente significativa en la reclasificación.
El modelo final fue entonces adaptarse a todo el conjunto de datos, que incluye tanto el desarrollo y la validación conjuntos de datos, para aumentar su precisión. ROC, AUC, pAUC, y la sensibilidad a la especificidad cercana a 90% se presentan en la Figura 3 para los modelos que incluyen SOH SOH solo y además CALB. El modelo de FOBT solo tenía un AUC de 92,82% (IC del 95% 90,05% -95,58%), un pAUC de 7,48% y una sensibilidad del 80,57% en la especificidad más cercano a 90%. El modelo final consistió en la siguiente ecuación para predecir la probabilidad de cáncer colorrectal: Aquí,
R (CALB)
es un valor de rango transformado, por lo que es una medida relativa. Los valores de rango de CALB que pueden ser utilizados como insumos para esta ecuación se presentan en la Tabla S1. Por ejemplo, si una persona tiene un valor CALB de 2224, el valor de
R gratis (CALB) en la ecuación es 80. Para los valores que se encuentran entre dos medidas Calb, un rango más cercano o lineal interpolada se puede utilizar.
Discusión
FOBT es una prueba de detección en heces de referencia utilizado convencionalmente. Hemos encontrado que, a alta especificidad (90,2%), FOBT solos sólo tenía una sensibilidad moderada (75,31%) del CCR. En la evaluación de la precisión diagnóstica aditivo de CALB, un nuevo marcador de diagnóstico fecal identificado en nuestro estudio anterior [7], se encontró que, en la misma especificidad (90,2%), la sensibilidad de FOBT + CALB para CRC fue mayor (82,72%) . Por lo tanto, a alta especificidad, la combinación de los dos marcadores fecales aumentó la sensibilidad de detección de CRC.
La precisión diagnóstica de sangre oculta en heces para el CCR en el presente estudio fue similar a la reportada anteriormente [9], [20] . En un estudio, la sensibilidad de FOBT en poblaciones no se hace referencia asintomáticos fue del 26% [21], mientras que otro estudio, que incluyó un gran número de pacientes evaluados por FOBT, informó una sensibilidad del 81% [22]. Acerca de 80-90% de los pacientes con pérdida de sangre fecal & gt; 20 ml /día fueron positivas en la sangre oculta en heces, y la sensibilidad de la prueba FOBT correlacionados con las fluctuaciones de la pérdida de sangre y el tumor de sangrado intermitente [9]. Estos patrones de sangrado fecal pueden explicar la mayor tasa de positividad en T2, T3, y T4 que en cánceres T1 y sugieren que más tumores avanzados sangran más consistente y en mayor medida, la mejora de la sensibilidad de diagnóstico de FOBT en pacientes con tumores avanzados [9 ]. Por el contrario, otro estudio encontró que significa la pérdida de sangre al día no se vio afectada por la etapa del tumor, pero se asoció con el sitio del tumor, como la pérdida de sangre todos los días fue menor en los pacientes con izquierda a la derecha del lado CRC [23]. Sin embargo, nuestros resultados, junto con los reportados previamente [9], [23], indican que la sensibilidad de sangre oculta en heces para el CRC aumenta con la etapa del cáncer, con la tasa de positividad FOBT es más bajo durante la primera de las etapas posteriores del cáncer. Sin embargo, CALB mostró tasas de positividad similares, incluso cuando se comparan tumores en etapas tempranas y tardías. Por lo tanto, la evaluación de CALB puede compensar la baja tasa de positividad de sangre oculta en heces en las primeras etapas del CRC.
ya se ha informado de que CALB era un marcador fecal candidato para el diagnóstico de CCR [7]. CALB es un componente de la calprotectina (S100A8 /S100A9), que se ha utilizado como un marcador fecal para IBD y las neoplasias colorrectales [9], [24], [25]. CALB es secretada por monocitos y células epiteliales intestinales, y está asociada con procesos inflamatorios, incluyendo la gravedad de la EII [8], [11]. Curiosamente, la sensibilidad de CALB fecal para CRC fue mayor que la de FOBT solo (72,0% vs. 62,3%), aunque la especificidad fue ligeramente inferior en este estudio y nuestro estudio anterior (77,1% vs. 98,7%) [7]. Varios sujetos de control mostraron resultados positivos falsos para CALB. Estos pacientes pueden haber tenido una enfermedad intestinal funcional, tales como el síndrome del intestino irritable sin inflamación grave. Calprotectina, un heterodímero de calgranulina A y B calgranulina, puede estar elevada en pacientes con síndrome de intestino irritable [26] - [28]. Desde marcadores fecales individuales no podían discriminar perfectamente pacientes con CRC de controles sanos, hemos probado una combinación de dos marcadores fecales.
A prueba de combinación que incluía tres marcadores fecales, inhibidor tisular de la metaloproteinasa-1 (TIMP-1), CALB, y la hemoglobina-haptoglobina, fue mejor para detectar el CRC de sangre oculta en heces por sí sola [29]. Además, un ensayo de fecal para la ciclooxigenasa-2 y de la matriz metaloproteinasa 7 mRNAs puede ser una prueba de detección prometedor para CRC [30]. Un concepto similar a la nuestra se aplicó en el cáncer de ovario, con resultados que muestran que una combinación de cuatro marcadores serológicos (leptina, prolactina, osteopontina, y el crecimiento similar a la insulina factor II) tenía una mayor sensibilidad y especificidad para el cáncer de ovario que cualquiera de estos marcadores por sí sola [31]. El beneficio incremental de un nuevo marcador en la predicción del riesgo se puede evaluar mediante el análisis del incremento en AUC. En ausencia de un alto grado de asociación con el nuevo marcador, sin embargo, el AUC es poco probable que aumente significativamente [32] - [34]. A pesar de esta dificultad, la adición de CALB al modelo significativamente mejorado su capacidad de predicción, como se muestra por el aumento significativo en el AUC. Como una alternativa a un aumento de AUC, se utilizó NRI [18] para cuantificar la mejora en la clasificación resultante de la utilización de un modelo con un nuevo marcador. RI fue evaluado por primera vez por separado en pacientes y controles CRC, y se evaluó su combinación (NRI). Los valores de p para RI en pacientes y controles de modelo 1 al modelo 2 fueron 0,001 y 0,017, respectivamente, y el valor de p para NRI fue 0,0001, lo que indica que la inclusión de la prueba CALB fecal resultó en una mejoría estadísticamente significativa en la reclasificación de los pacientes y controles. Estos resultados indican que la capacidad de predicción del modelo con FOBT por sí solo puede ser mejorada significativamente por la adición de CALB.
Este estudio tiene varias limitaciones. En primer lugar, el número de sujetos en cada grupo era relativamente pequeño, mientras que sólo se incluyeron 151 controles sanos, lo que indica la necesidad de validar los resultados en un mayor número de pacientes. En segundo lugar, que incluyó a pacientes con CCR sin tomar en cuenta los síntomas como hematoquecia, estreñimiento y melena. Dado que las pruebas de detección se realizan generalmente en etapas asintomáticas, nuestros resultados requieren una validación adicional en individuos asintomáticos. En tercer lugar, las edades de nuestros grupos de CRC y de control difieren significativamente. Sin embargo, nuestro modelo de predicción ajustada por edad. Por último, aunque la combinación de CALB y FOBT puede ser más sensible y específica para la CRC de FOBT solo, la sensibilidad y especificidad de la combinación pueden no ser lo suficientemente alta en comparación con la colonoscopia. Nuestro modelo de predicción, sin embargo, podría ser útil en situaciones en las que la colonoscopia no está disponible, incluso en las zonas sin una clínica, hospital o personal capacitado. Además, el modelo de predicción propuesto basado en marcadores de heces puede ser útil y conveniente en la reducción de costos y la preparación intestinal
.
Se pueden necesitar marcadores fecales tanto adicionales para aumentar la especificidad y la sensibilidad de la detección en heces para el CCR.
En conclusión, un análisis combinado de dos marcadores fecales, CALB y sangre oculta en heces, puede tener una mayor sensibilidad y especificidad para el CDN de sangre oculta en heces solo. Se necesitan más validaciones para confirmar la utilidad clínica de este tipo de ensayos de combinación para CRC.
Apoyo a la Información
Figura S1.
esquemática del modelo de predicción estadística a través de los conjuntos de datos de desarrollo y validación. El modelo fue el primer ajuste a los datos del conjunto de datos de desarrollo, seguido de validación interna utilizando el método (LOOCV) dejar uno de las cruzadas a cabo la validación. LOOCV rendimiento fue examinado, y el modelo fue validado externamente en el conjunto de datos de validación. Después de validaciones internas y externas aceptables, el modelo predictivo final para su uso en futuros sujetos fue desarrollado utilizando el conjunto de datos total, que incluye tanto el desarrollo y la validación de datos, ya que la precisión de las estimaciones del efecto de los factores de riesgo aumenta a medida que se hacen más grandes conjuntos de datos. En cada uno de los pasos anteriores, se consideraron dos modelos, el primero usando FOBT solo y el segundo incluye tanto FOBT y CALB. Debido a que hubo un desequilibrio en la edad entre los pacientes y los controles, la edad se ajustó en ambos modelos. el rendimiento del modelo se evaluó mediante análisis de curva de funcionamiento del receptor (ROC), seguido de cálculos del área bajo la curva ROC (AUC) y la zona parcial bajo la curva ROC (pAUC) correspondiente a una especificidad & gt; 0,9. En LOOCV, una muestra fue dejada de lado (prueba) y el modelo predictivo era apto para el resto de muestras (formación). Sobre la base de este modelo de predicción, se estimó la probabilidad de CRC en una muestra no utilizado en el desarrollo del modelo (muestra de ensayo). Por otra parte, se ha seleccionado el punto de corte para probabilidad predicha correspondiente a una especificidad del 90%, seguido de la predicción de si la muestra de prueba fue positiva o negativa para CRC. Este procedimiento se repite para un número de veces igual al número de muestras en el conjunto de datos, de modo que todas las muestras sirvieron como una muestra de prueba exactamente una vez. Se determinó la sensibilidad validación cruzada a continuación de la especificidad más cercana a 90%, y se generó una curva de ROC validación cruzada
doi:. 10.1371 /journal.pone.0106182.s001
(TIF)
Tabla S1.
densidad óptica de calgranulina B y la fila correspondiente
doi:. 10.1371 /journal.pone.0106182.s002 gratis (DOCX)