Ovarian Carcinoma Subtypes Are Different Diseases: Implications for Biomarker Studies
Notice bibliographique
Résumé
BACKGROUND: Although it has long been appreciated that ovarian carcinoma subtypes (serous, clear cell, endometrioid, and mucinous) are associated with different natural histories, most ovarian carcinoma biomarker studies and current treatment protocols for women with this disease are not subtype specific. With the emergence of high-throughput molecular techniques, distinct pathogenetic pathways have been identified in these subtypes. We examined variation in biomarker expression rates between subtypes, and how this influences correlations between biomarker expression and stage at diagnosis or prognosis. METHODS AND FINDINGS: In this retrospective study we assessed the protein expression of 21 candidate tissue-based biomarkers (CA125, CRABP-II, EpCam, ER, F-Spondin, HE4, IGF2, K-Cadherin, Ki-67, KISS1, Matriptase, Mesothelin, MIF, MMP7, p21, p53, PAX8, PR, SLPI, TROP2, WT1) in a population-based cohort of 500 ovarian carcinomas that was collected over the period from 1984 to 2000. The expression of 20 of the 21 biomarkers differs significantly between subtypes, but does not vary across stage within each subtype. Survival analyses show that nine of the 21 biomarkers are prognostic indicators in the entire cohort but when analyzed by subtype only three remain prognostic indicators in the high-grade serous and none in the clear cell subtype. For example, tumor proliferation, as assessed by Ki-67 staining, varies markedly between different subtypes and is an unfavourable prognostic marker in the entire cohort (risk ratio [RR] 1.7, 95% confidence interval [CI] 1.2%-2.4%) but is not of prognostic significance within any subtype. Prognostic associations can even show an inverse correlation within the entire cohort, when compared to a specific subtype. For example, WT1 is more frequently expressed in high-grade serous carcinomas, an aggressive subtype, and is an unfavourable prognostic marker within the entire cohort of ovarian carcinomas (RR 1.7, 95% CI 1.2%-2.3%), but is a favourable prognostic marker within the high-grade serous subtype (RR 0.5, 95% CI 0.3%-0.8%). CONCLUSIONS: The association of biomarker expression with survival varies substantially between subtypes, and can easily be overlooked in whole cohort analyses. To avoid this effect, each subtype within a cohort should be analyzed discretely. Ovarian carcinoma subtypes are different diseases, and these differences should be reflected in clinical research study design and ultimately in the management of ovarian carcinoma.
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 | 0,011 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».