Longitudinal Cytokine Expression during IMRT for Prostate Cancer and Acute Treatment Toxicity
Notice bibliographique
Résumé
PURPOSE: Proteomic profiling of patients undergoing intensity-modulated radiotherapy (IMRT) for prostate cancer can identify unique biomarkers that reflect acute toxicity in normal tissues. Our objectives were to measure inflammatory cytokine proteins during IMRT and assess the variability of individual proteomic signatures. EXPERIMENTAL DESIGN: Forty-two patients with intermediate-risk prostate cancer were recruited as follows: group 1, definitive IMRT (78 Gy in 39 fractions, n = 22), and group 2, IMRT postprostatectomy (66 Gy in 33 fractions, n = 20). Blood/urine samples were collected at baseline and weekly during IMRT. Acute toxicity was graded weekly during radiotherapy using CTC-AE v3.0 criteria. Multiplexed immunoassays were used to quantify cytokines including granulocyte macrophage colony-stimulating factor, IFN-gamma, tumor necrosis factor-alpha, interleukin (IL)-1alpha, IL-2, IL6, IL-8, IL-10, and IL-12p70. RESULTS: We observed positive correlations between cytokine expression between serum and plasma, but not between serum/plasma and urine. The Mann-Whitney test showed a significant increase in IFN-gamma and IL-6 during IMRT (P = 0.0077, 0.0035). Increasing IL-2 and IL-1 expression were associated with increased probability of acute gastrointestinal and genitourinary toxicity, respectively. CONCLUSIONS: Determination of radiation-response signatures is feasible using multiplexed immunoassays and is a promising predictive early biomarker of toxicity outcomes.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».