Abstract 1751: The influence of sex on prognostic markers for non-small cell lung cancer
Notice bibliographique
Résumé
Abstract There are significant differences between the sexes in the incidence, presentation, and response to therapy of non-small cell lung cancer (NSCLC). This study evaluated the effects of these differences on mRNA-based prognostic markers. Several prognostic markers have been developed over the past decade by various groups, generally from microarray datasets. These markers look at the mRNA levels of specific genes and use these to determine whether a patient is likely to good or poor outcome. If such markers were successful at complementing traditional staging criteria (i.e. molecular sub-staging) then patients predicted to have poor outcome could receive additional or more intensive therapies. Surprisingly, to date, the effect of sex on such markers has not been evaluated, despite major differences in disease between males and females. To evaluate this issue, I compiled the data from nine transcriptomic studies of primary NSCLC. These studies were integrated using a novel normalization approach and then subject to meta-analysis. For each gene present in the analysis (16,391 in total), the univariate prognostic capacity was calculated separately for men and women using median dichotomization and Cox proportional hazards modeling. Of the top 100 genes in each sex, only 12 were overlapping. Novel sex-specific prognostic signatures were then derived, and shown to out-perform sex-independent signatures by a statistically significant (p < 0.01) margin. In summary, sex plays a major role in NSCLC etiology and response to therapy. I have demonstrate here that it also greatly effects the efficacy of transcriptomic prognostic markers. Note: This abstract was not presented at the AACR 101st Annual Meeting 2010 because the presenter was unable to attend. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 101st Annual Meeting of the American Association for Cancer Research; 2010 Apr 17-21; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2010;70(8 Suppl):Abstract nr 1751.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».