p53 and Ki‐67 as markers of radioresistance in head and neck carcinoma
Notice bibliographique
Résumé
BACKGROUND: p53 and Ki-67 are regarded as potential interesting predictors of radioresistance, although their exact influence awaits confirmation on a large cohort of uniformly treated patients. METHODS: In a retrospective cohort of 304 patients with squamous cell carcinoma of the head and neck who were treated with radical radiotherapy, the expression levels of p53 and Ki-67 were assessed by immunohistochemistry. Local control and survival curves were generated for p53 and Ki-67 using the Kaplan-Meier method. The difference between curves was calculated in univariate and multivariate analyses. RESULTS: The overexpression of p53 was associated with local treatment failure (P = 0.01) but not with survival (P = 0.09). In a Cox analysis, p53 overexpression remained an independent predictor of local failure, with a relative risk of local failure of 1.5 (P = 0.05). Low proliferation (Ki-67 < 20%) was a significant factor in local failure for patients with tumors of the oral cavity only (P = 0.01). Patients with both unfavorable immunohistochemical markers (p53 overexpression and low proliferation) had a 45% rate of local control compared with a 67% rate for all other combinations (P = 0.002). This association was even more significant in patients with T1-T2 lesions (45% vs. 77%; P = 0.0002). CONCLUSIONS: The results support the role of p53 as an independent predictor of local failure in patients with squamous cell carcinoma of the head and neck who are treated by radical radiotherapy, suggesting that it may predict radioresistance. Combined with p53, Ki-67 may help in the better selection of patients for radiotherapy, especially for patients with early-stage tumors. Prospective studies are now needed to confirm these results and to define better the role of these markers in the management of patients with head and neck carcinoma.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».