MétaCan
Menu
← Retour à la cohorte
Enregistrement W2041154020 · doi:10.1158/0008-5472.sabcs10-p3-10-17

Abstract P3-10-17: The Fractal Analysis of Tumor Histology Is an Independent Prognostic Factor in Breast Cancer Patients

2010· article· en· W2041154020 sur OpenAlexaff
Anthony M. Magliocco, Misha Eliasziw, Mauro Tambasco

Notice bibliographique

RevueCancer Research · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerInternal medicineOncologyFractal dimensionUnivariateProportional hazards modelFractal analysisMultivariate analysisLymph nodeUnivariate analysisFractalCancerPathologyMultivariate statisticsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Despite the usefulness of standard clinical prognosticators for breast cancer patients, recommendations for systemic adjuvant therapy are not entirely straightforward. Hence, there is a need for a more accurate independent prognosticator that provides additional information to improve risk assessment and associated therapeutic decisions. Methods: We used fractal dimension analysis to quantitatively assess the morphologic complexity of breast epithelium. To investigate the relationship between fractal dimension and patient survival we applied fractal analysis to pan-cytokeratin stained tissue microarray (TMA) cores derived from a series of 408 patients with over 10 years follow up, and analyzed three TMA cores for each patient. A data-oriented approach was used to stratify patients according to low (<1.56), intermediate (1.56-1.75), and high (>1.75) fractal dimension. Univariate statistical analyses were performed to show the relationship between outcome and fractal dimension, tumour size, tumour grade, lymph node status, estrogen receptor status, and HER-2/neu status. Multivariate analysis was performed to assess the relative effect of these prognosticators on disease-specific and overall survival. Results: Patients with higher fractal score had significantly lower disease-specific 10-year survival (69.4%, 56.4%, and 25.0%, for low, intermediate, and high fractal dimension, respectively, P<0.001). Overall 10-year survival showed a similar association with fractal dimension. Cox regression analysis showed fractal dimension, lymph node status, and grade to be the only significant (P<0.05) independent predictors for both disease-specific and overall survival. Fractal dimension had the highest hazard ratio for overall survival 2.7(95% confidence interval (CI)=1.6-4.7); P<0.001), and the second highest for disease-specific survival 2.6(95% CI=1.4-4.8; P=0.002) versus 3.1(95% CI=1.9-5.1; P<0.001) for lymph node status. Discussion: Except for lymph node status, morphologic complexity of breast epithelium as measured by fractal dimension is more strongly and significantly associated with disease-specific and overall survival than standard clinical prognosticators. Furthermore, it is independent of standard prognosticators, and unlike tumour grade, it provides prognostic information that can be objectively assessed from TMA cores. Citation Information: Cancer Res 2010;70(24 Suppl):Abstract nr P3-10-17.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,402
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→