Loss of Heterozygosity (LOH) Profiles—Validated Risk Predictors for Progression to Oral 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
A major barrier to oral cancer prevention has been the lack of validated risk predictors for oral premalignant lesions (OPL). In 2000, we proposed a loss of heterozygosity (LOH) risk model in a retrospective study. This paper validated the previously reported LOH profiles as risk predictors and developed refined models via the largest longitudinal study to date of low-grade OPLs from a population-based patient group. Analysis involved a prospective cohort of 296 patients with primary mild/moderate oral dysplasia enrolled in the Oral Cancer Prediction Longitudinal Study. LOH status was determined in these OPLs. Patients were classified into high-risk or low-risk profiles to validate the 2000 model. Risk models were refined using recursive partitioning and Cox regression analyses. The prospective cohort validated that the high-risk lesions (3p and/or 9p LOH) had a 22.6-fold increase in risk (P = 0.002) compared with low-risk lesions (3p and 9p retention). Addition of another 2 markers (loci on 4q/17p) further improved the risk prediction, with five-year progression rates of 3.1%, 16.3%, and 63.1% for the low-, intermediate-, and high-risk lesions, respectively. Compared with the low-risk group, intermediate- and high-risk groups had 11.6-fold and 52.1-fold increase in risk (P < 0.001). LOH profiles as risk predictors in the refined model were validated in the retrospective cohort. Multicovariate analysis with clinical features showed LOH models to be the most significant predictors of progression. LOH profiles can reliably differentiate progression risk for OPLs. Potential uses include increasing surveillance for patients with elevated risk, improving target intervention for high-risk patients while sparing a large number of low-risk patients from needless screening and treatment.
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 | 0,002 | 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) | 0,001 | 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 découle