p53 expression in patients with advanced urothelial cancer of the urinary bladder
Notice bibliographique
Résumé
OBJECTIVE: To test whether assessing p53 expression could improve the ability to predict disease recurrence and disease-specific survival in a multi-institutional cohort of patients with advanced urothelial carcinoma of the urinary bladder (UCB). PATIENTS AND METHODS: The study comprised 692 patients with pT3-4 N0 or pTany N+ UCB treated with radical cystectomy and lymphadenectomy. The predictive accuracy (PA) was quantified using the 200 bootstrap-corrected concordance index. The base model comprised age, gender, stage, grade, lymphovascular invasion, number of lymph nodes removed, number of lymph nodes positive, concomitant carcinoma in situ, and adjuvant chemotherapy. RESULTS: p53 expression was altered in 341 (49.3%) patients. In multivariable analyses, p53 expression was independently associated with disease recurrence (hazard ratio, 1.66; P < 0.001) and cancer-specific mortality (hazard ratio 1.65, P < 0.001). Overall, adding p53 did not significantly improve the PA of the base model (recurrence +0.7%, P = 0.085, and cancer-specific mortality +1.2%, P = 0.050). In the subgroups of pT3N0 (280) and pT4N0 (83) patients, p53 slightly improved the PA of the base model by a statistically significant degree (recurrence +1.7% and +3.6%, respectively; cancer-specific mortality +1.9% and +3.5%, respectively; all P < 0.001). In 329 patients with pTany N+ disease p53 status did not improve the PA of the base model. CONCLUSION: While assessing p53 expression has limited utility in patients with lymph node-positive UCB, it marginally improves prognostication in patients with advanced non-metastatic UCB. Integration of p53 into a panel of biomarkers might be necessary to capture a more accurate picture of the biological potential of advanced UCB.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».