A Majority of Low (1-10%) ER Positive Breast Cancers Behave Like Hormone Receptor Negative Tumors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The 2010 guidelines by ASCO-CAP have mandated that breast cancer specimens with ≥1% positively staining cells by immunohistochemistry should be considered Estrogen Receptor (ER) positive. This has led to a subclass of low-ER positive (1-10%) breast cancers. We have examined the biology and clinical behavior of these low ER staining tumors. METHODS: We have developed a probabilistic score of the "ER-positivity" by quantitative estimation of ER related gene transcripts from FFPE specimens. Immunohistochemistry for ER was done on 240 surgically excised tumors of primary breast cancer. Relative transcript abundance of 3 house-keeping genes and 6 ER related genes were determined by q-RT PCR. A logistic regression model using 3 ER associated genes provided the best probability function, and a cut-off value was derived by ROC analysis. 144 high ER (>10%), 75 ER negative and 21 low-ER (1-10%) tumors were evaluated using the probability score and the disease specific survival was compared. RESULTS: Half of the low-ER positive tumors were assigned to the ER negative group based on the probability score; in contrast 95% of ER negative and 92% of the high ER positive tumors were assigned to the appropriate ER group (p<0.0001). The survival of the low-ER group was intermediate between that of the high ER positive and ER negative groups (p<0.05). CONCLUSION: Our results suggest that the newly lowered ASCO-CAP criteria for ER positivity, leads to the false categorization of biologically ER negative tumors as ER positive ones. This may have particular relevance to India, where we have a much higher proportion of ER negative tumors in general.
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.
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) | 0,000 | 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 découle