Immunohistochemical markers of prognosis in non-small cell lung cancer: a review and proposal for a multiphase approach to marker evaluation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Characteristics of the tumour that affect and predict the survival outcome of patients with cancer are prognostic markers for cancer. In non-small cell lung carcinoma (NSCLC), stage is the main determinant of prognosis and the basis for deciding options for treatment. Patients with early-stage tumour are treated by complete surgical resection, which is curative in 40-70% of patients. That there are other factors important in determining the biology of these tumours, especially genes that have a role in metastasis, is indicated. Such factors could potentially be used to further classify patients into groups according to substages that may be treated differently. During the past decade, a large number of proteins that are putatively important in carcinogenesis and cancer biology have been studied for their prognostic value in NSCLC, but none of them have been proved to be sufficiently useful in clinical diagnosis. Several markers (epidermal growth factor receptor, human epidermal growth factor receptor 2, Ki-67, p53 and Bcl-2) have been studied exhaustively. Ki-67, p53 and Bcl-2 are suggested to be important but weak prognostic markers, by meta-analyses of the results. Cyclin E, vascular endothelial growth factor A, p16(INK4A), p27(kip1) and beta-catenin are promising candidates, but require further study in large randomised clinical trial samples by using standardised assays and scoring systems. Some issues and inconsistencies in the reported studies to date are highlighted and discussed. A guideline for a multi-phase approach for conducting future studies on prognostic immunohistochemistry markers is proposed here.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 découle