Sanger sequencing in routine KRAS testing: a review of 1720 cases from a pathologist's perspective
Notice bibliographique
Résumé
BACKGROUND: Sanger sequencing (SS) of PCR products is still the most frequent method to test colorectal cancer for KRAS mutations in routine practice. METHODS: An audit of SS on 1720 routine cases was carried out, taking into account age, gender, specimen type (resection vs biopsies), tumour site (primary vs metastasis), tumour stage, neoplastic cells abundance (>30% vs <30%) and fixation type (buffered formalin vs simple formalin). In a subset of 50 wild-type (WT) patients correlations between SS findings and response rate (RR), progression-free survival (PFS) and overall survival (OS) were also evaluated. RESULTS: The tests were informative in 1691 cases (98.3%). Mutations were detected in 671 cases (39.6%). No significant differences in mutation rates were observed with respect to age (p=0.2), gender (p=0.2), specimen type (p=0.3) and formalin fixation (p=0.08). Conversely, KRAS mutant rate was higher in metastatic tissue (50% vs 39%, p=0.02), in samples with over 30% of neoplastic cells (43.4% vs 26.6%, p=0.02) and in tumours tested in stage IV (p=0.05). The RR of SS KRAS WT patients was 26% (one complete and 12 partial responses). The disease control rate (objective responses plus stable disease) was 56%. Median PFS was 4.4 months and median OS was 10.4 months. CONCLUSIONS: Pathological criteria that make SS a more robust method for KRAS testing and treatment response prediction are neoplastic cell abundance, metastatic tissue sample and stage IV primary tumour.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| 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 | 0,001 | 0,002 |
| 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 ».