A Predictive Model of Rectal Tumor Response to Preoperative Radiotherapy Using Classification and Regression Tree Methods
Notice bibliographique
Résumé
PURPOSE: The ability to predict rectal tumor response to preoperative radiotherapy before treatment would significantly impact patient selection. In this study, classification and regression tree (CART) methods were used to model tumor response to preoperative conformal high-dose rate brachytherapy by assessing the predictive value of vascular endothelial growth factor (VEGF), Bcl-2, p21, p53, and APAF-1. EXPERIMENTAL DESIGN: Immunohistochemistry was used to detect VEGF, Bcl-2, p21, p53, and APAF-1 from 62 pretreatment rectal tumor biopsies. Scores were assigned as percentages of positive tumor cell staining and were used in CART analysis to identify the proteins that best predicted response to radiotherapy. Ten-fold cross-validation was used to prevent overfitting and multiple cross-validation experiments were run to estimate the prediction error. RESULTS: Postoperative pathologic evaluation of the irradiated tumor bed revealed 43 responsive tumors [20 with complete response (T(0)) and 23 with partial response] and 19 nonresponsive tumors. The optimal tree resulting from CART analysis had five terminal nodes with a misclassification rate of 18%. Of the five proteins selected for their predictive value, VEGF and Bcl-2 contributed most to the classification of responsive and nonresponsive tumors. All 10 tumors with no VEGF were completely responsive (T(0)) to radiotherapy; 85% of those with VEGF and negative for Bcl-2 were responsive to therapy. CONCLUSIONS: VEGF and Bcl-2 status in pretreatment rectal tumor biopsies may be predictive of response to preoperative high-dose rate brachytherapy.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».