Multiple biomarkers improve prediction of bladder cancer recurrence and mortality in patients undergoing cystectomy
Notice bibliographique
Résumé
BACKGROUND: Tested was whether the assessment of 5 established bladder cancer biomarkers (p53, pRB, p21, p27, and cyclin E1) could improve the ability to predict disease recurrence and cancer-specific survival after radical cystectomy in patients with pTa-3N0M0 urothelial carcinoma of the bladder (UCB). METHODS: The study comprised 191 patients with pTa-3N0M0 UCB treated with radical cystectomy and bilateral lymphadenectomy (median follow-up, 3.1 years). Biomarker expression was assayed on serial tissue microarray slides using quantitative immunohistochemistry using advanced cell imaging and color detection software. Predictive accuracy was quantified using the concordance index and 200-bootstrap resamples were used to reduce overfit bias. Bootstrap-adjusted predictive accuracy estimates were compared using the Mantel-Haenszel test. RESULTS: UCB recurred in 36 (18.8%) patients and 30 (15.7%) died of bladder cancer; 157 (82.2%) patients had altered expression of at least 1 biomarker. In univariate analyses the number of altered biomarkers had the highest predictive accuracy for both disease recurrence (76.8%, P< .001) and cancer-specific mortality (78.3%, P< .001). Addition of the number of altered biomarkers increased the predictive accuracy of nomograms based on the TNM staging system for disease recurrence and cancer-specific mortality by 10.9% (83.4% vs 72.5%, P< .001) and 8.6% (86.9% vs 78.3, P< .001), respectively. CONCLUSIONS: Assessment of the number of altered biomarkers in the cystectomy specimen improves the prediction of bladder cancer recurrence and survival in patients with pTa-3N0M0 disease. Prospective evaluation of alteration in these biomarkers can help identify patients who would benefit from adjuvant treatment after radical cystectomy.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».