Eight-Signature Classifier for Prediction of Nasopharyngeal Carcinoma Survival
Notice bibliographique
Résumé
PURPOSE: Currently, nasopharyngeal carcinoma (NPC) prognosis evaluation is based primarily on the TNM staging system. This study aims to identify prognostic markers for NPC. PATIENTS AND METHODS: We detected expression of 18 biomarkers by immunohistochemistry in NPC tumors from 209 patients and evaluated the association between gene expression level and disease-specific survival (DSS). We used support vector machine (SVM)--based methods to develop a prognostic classifier for NPC (NPC-SVM classifier). Further validation of the NPC-SVM classifier was performed in an independent cohort of 1,059 patients. RESULTS: The NPC-SVM classifier integrated patient sex and the protein expression level of seven genes, including Epstein-Barr virus latency membrane protein 1, CD147, caveolin-1, phospho-P70S6 kinase, matrix metalloproteinase 11, survivin, and secreted protein acidic and rich in cysteine. The NPC-SVM classifier distinguished patients with NPC into low- and high-risk groups with significant differences in 5-year DSS in the evaluated patients (87% v 37.7%; P < .001) in the validation cohort. In multivariate analysis adjusted for age, TNM stage, and histologic subtype, the NPC-SVM classifier was an independent predictor of 5-year DSS in the evaluated patients (hazard ratio, 4.9; 95% CI, 3.0 to 7.9) in the validation cohort. CONCLUSION: As a powerful predictor of 5-year DSS among patients with NPC, the newly developed NPC-SVM classifier based on tumor-associated biomarkers will facilitate patient counseling and individualize management of patients with NPC.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».