Novel Prognostic Immunohistochemical Biomarker Panel for Estrogen Receptor–Positive Breast Cancer
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
PURPOSE: Patients with breast cancer experience progression and respond to treatment in diverse ways, but prognostic and predictive tools for the oncologist are limited. We have used gene expression data to guide the production of hundreds of novel antibody reagents to discover novel diagnostic tools for stratifying carcinoma patients. PATIENTS AND METHODS: One hundred forty novel and 23 commercial antisera, selected on their ability to differentially stain tumor samples, were used to stain paraffin blocks from a retrospective breast cancer cohort. Cox proportional hazards and regression tree analysis identified minimal panels of reagents able to predict risk of recurrence. We tested the prognostic association of these prospectively defined algorithms in two independent cohorts. RESULTS: In both validation cohorts, the Kaplan-Meier estimates of recurrence confirmed that both the Cox model using five reagents (p53, NDRG1, CEACAM5, SLC7A5, and HTF9C) and the regression tree model using six reagents (p53, PR, Ki67, NAT1, SLC7A5, and HTF9C) distinguished estrogen receptor (ER)-positive patients with poor outcomes. The Cox model was superior and distinguished patients with poor outcomes from patients with good or moderate outcomes with a hazard ratio of 2.21 (P = .0008) in validation cohort 1 and 1.88 (P = .004) in cohort 2. In multivariable analysis, the calculated risk of recurrence was independent of stage, grade, and lymph node status. A model proposed for ER-negative patients failed validation in the independent cohorts. CONCLUSION: A panel of five antibodies can significantly improve on traditional prognosticators in predicting outcome for ER-positive breast cancer patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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