Histochemical analysis and immunohistochemical profile of mucoepidermoid carcinoma of the conjunctiva
Notice bibliographique
Résumé
PURPOSE: To elucidate the distinct histochemical and immunohistochemical profile of mucoepidermoid carcinoma of the conjunctiva (MECC) and to determine which combination of stains is most useful in diagnosing MECC and differentiating it from squamous cell carcinoma of the conjunctiva (SCC) in cases where the clinical or cytological findings are not definitive. METHODS: Eight specimen of MECC from 4 patients and 4 specimens of SCC from 4 patients were examined using a variety of special stains and immunohistochemical markers. The results were then analyzed for usefulness in diagnosing MECC. RESULTS: The most useful markers in diagnosing MECC and differentiating it from SCC are mucicarmine, colloidal iron, and alcian blue all with sensitivities of 88%, and a specificity of 100%; CEA with a sensitivity of 83% and a specificity of 75%; and, mucin-1 with a sensitivity of 100% and a specificity of 25%, but which showed a distinct pattern of staining of MECC when compared to SCC. In our series, the sensitivity of the CK7+/CK20- combination for MECC was only 38%. CONCLUSIONS: The most useful stains in ruling out SCC in a suspected case of MECC were shown to be mucicarmine and the glycosaminoglycan (GAG) stains. However, in cases where mucicarmine and the GAG stains are negative or difficult to interpret and there is suspicion of a diagnosis of MECC, CEA and mucin-1 may be helpful for this diagnosis. The findings of CK7+/CK20- also may be of assistance, but are not as sensitive when compared to analogous salivary gland lesions, when differentiating MECC from SCC.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».