Response: Re: Ki67 Index, HER2 Status, and Prognosis of Patients With Luminal B Breast Cancer
Notice bibliographique
Résumé
Howell et al. are interested in using our dataset to address a different but related hypothesis to the one addressed in our recent article, which concerned the value of Ki67 index as a proliferation marker in the context of the intrinsic subtype approach to breast cancer risk assessment. A response to their hypothesis requires quantitative estrogen receptor (ER) and progesterone receptor data for more than 4000 tissue samples in tissue microarrays. Our study on automated quantitative ER assessment ( 1 ) did not reveal evidence that additional prognostic information could be extracted from quantitative ER beyond that already captured by a binary cut point set at approximately 1%. Currently, our dataset has captured complete immunohistochemical information on progesterone receptor in a semiquantitative fashion around visually assessed cut points rather than as a quantitative continuous variable. An extensive reanalysis of the primary image data for ER (possibly by using an improved image analysis approach) and progesterone receptor in a quantitative fashion would, therefore, be necessary to address their inquiry. Our primary image data have been captured, have been published ( 2 , 3 ), and are publicly accessible at http://www.gpecimage.ubc.ca/tma/web/viewer.php . We have therefore invited Howell et al. to access these published digital images and generate the quantitative ER and progesterone receptor scores by whatever system that they feel is appropriate. We are also willing to consider collaborations with other academic groups who wish to conduct similar exercises. We will then test the hypothesis that quantitative hormone receptor data add useful prognostic information in multivariable models incorporating human epidermal growth factor receptor 2 (HER2) and Ki67 data.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».