A review of p53 expression and mutation in human benign, low malignant potential, and invasive epithelial ovarian tumors
Notice bibliographique
Résumé
BACKGROUND: In the current study, the authors present pooled data from studies that investigated p53 protein expression and/or mutation in human epithelial ovarian tumors. METHODS: The English literature in the MEDLINE, PubMed, and Ingenta databases was searched to the end of the year 2000 to identify relevant studies. Data were pooled across eligible studies, and the prevalence of p53 expression and mutation among benign, low malignant potential (LMP), and invasive tumors was determined. Prevalence estimates by tumor histology, International Federation of Gynecology and Obstetrics (FIGO) stage, and grade also were calculated. RESULTS: The pooled prevalence estimate for p53 overexpression among epithelial ovarian carcinomas was 51% (95% confidence intervals [95% CI], 50-53%) compared with 17% (95% CI, 15-20%) among LMP tumors and 7% (95% CI, 5-10%) among benign tumors. p53 mutation prevalence estimates were 45% (95% CI, 42-47%), 5% (95% CI, 2-9%), and 1% (95% CI, 0-5%), respectively, for invasive, LMP, and benign tumors. The prevalence of these p53 abnormalities was found to be associated positively with increasing tumor grade and stage. Differences based on histologic subtype also were found. CONCLUSIONS: Although these pooled estimates might appear to offer support for various hypotheses regarding the role of p53 in ovarian carcinoma, the limitations inherent in these data hamper the interpretation of the significance of any of the findings. Future studies will require innovative methods to address the limitations of many previous investigations and more comprehensive investigation into defective tumor suppression mechanisms.
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) | 0,002 | 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 ».