Overexpression of Prothymosin Alpha Predicts Poor Disease Outcome in Head and Neck Cancer
Notice bibliographique
Résumé
BACKGROUND: In our recent study, tissue proteomic analysis of oral pre-malignant lesions (OPLs) and normal oral mucosa led to the identification of a panel of biomarkers, including prothymosin alpha (PTMA), to distinguish OPLs from histologically normal oral tissues. This study aimed to determine the clinical significance of PTMA overexpression in oral squamous cell hyperplasia, dysplasia and head and neck squamous cell carcinoma (HNSCC). METHODOLOGY: Immunohistochemistry of PTMA protein was performed in HNSCCs (n = 100), squamous cell hyperplasia (n = 116), dysplasia (n = 50) and histologically normal oral tissues (n = 100). Statistical analysis was carried out to determine the association of PTMA overexpression with clinicopathological parameters and disease prognosis over 7 years for HNSCC patients. RESULTS: Our immunohistochemical analysis demonstrated significant overexpression of nuclear PTMA in squamous cell hyperplasia (63.8%), dysplasia (50%) and HNSCC (61%) in comparison with oral normal mucosa (p(trend)<0.001). Chi-square analysis showed significant association of nuclear PTMA with advanced tumor stages (III+IV). Kaplan Meier survival analysis indicated reduced disease free survival (DFS) in HNSCC patients (p<0.001; median survival 11 months). Notably, Cox-multivariate analysis revealed nuclear PTMA as an independent predictor of poor prognosis of HNSCC patients (p<0.001, Hazard's ratio, HR = 5.2, 95% CI = 2.3-11.8) in comparison with the histological grade, T-stage, nodal status and tumor stage. CONCLUSIONS: Nuclear PTMA may serve as prognostic marker in HNSCC to determine the subset of patients that are likely to show recurrence of the disease.
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 ».