Nuclear Localization of Nuclear Factor-κB p65 in Primary Prostate Tumors Is Highly Predictive of Pelvic Lymph Node Metastases
Notice bibliographique
Résumé
PURPOSE: Lymph node invasion (LNI) is associated with increased risk of prostate cancer progression. Unfortunately, pelvic lymph node dissections are fraught with a high rate of false-negative findings, emphasizing the need for highly accurate markers of LNI. Because nuclear factor-kappaB (NF-kappaB) is a candidate marker of prostate cancer progression, we tested the association between nuclear localization of NF-kappaB in radical prostatectomy specimens and the presence of LNI. EXPERIMENTAL DESIGN: NF-kappaB expression in radical prostatectomy specimens was assessed with a monoclonal NF-kappaB p65 antibody, in 20 patients with LNI and in 31 controls with no LNI and no biochemical relapse 5 years after radical prostatectomy. Univariate and multivariate logistic regression models were used. The accuracy of multivariate predictions with and without NF-kappaB was quantified with the area under the receiver operating characteristics curve and 200 bootstrap resamples were used to reduce overfit bias. RESULTS: Univariate regression models showed a 7% increase in the odds of observing LNI for each 1% increase in NF-kappaB nuclear staining (odds ratio, 1.07; P = 0.003). In multivariate models, each 1% increase in NF-kappaB was associated with an 8% increase in the odds of LNI (odds ratio, 1.08; P = 0.03) and its statistical significance was only surpassed by the presence of seminal vesicle invasion (P = 0.003). Addition of NF-kappaB to all other predictors increased the accuracy of LNI prediction by 2.3% (from 84.8% to 87.1%; P < 0.001). CONCLUSION: This is the first study that shows that the extent of nuclear localization of NF-kappaB in primary prostate tumors is highly accurately capable of predicting the probability of locoregional spread of prostate cancer.
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 | 0,002 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».