Abstract 3567: Loss of heterozygosity (LOH) profiles predict oral cancer recurrence in the Oral Cancer Recurrence Prediction Cohort
Notice bibliographique
Résumé
Abstract Oral squamous cell carcinoma (SCC) has a poor prognosis with local recurrence occurring in up to 30% of cases. Oral mucosal changes are common at previously treated cancer sites; however, despite close follow-up, they often develop into recurrent tumor. LOH analysis has been shown to predict cancer recurrence in lesions at former tumour sites in retrospective studies. Objective: To determine the value of specific LOH markers in predicting oral cancer recurrence in samples from an ongoing longitudinal study. Design: Data were collected from 365 oral cancer patients enrolled in the Oral Cancer Recurrence Prediction Cohort. Methods: The study selection criteria included: 1) Patients originally diagnosed with carcinoma in situ (CIS) or SCC and treated with a curative intent (mostly Stage 0/I/II); 2) Appearance of a lesion at the tumor site during follow-up with biopsy histologically diagnosed as hyperplasia or low-grade (mild/moderate dysplasia) (higher diagnoses went to treatment); 3) Continued follow-up of patient; 4) Sufficient tissue in biopsy for LOH analysis. 71 patients met these criteria. Recurrence outcome was defined as development of severe dysplasia, CIS or SCC at the target site. Timeline was calculated from target date to outcome for recurring group or last follow-up date for non-recurring group. Target biopsies were analyzed using 19 microsatellite loci on 7 chromosome arms (3p, 4q, 8p, 9p, 11q, 13q, and 17p). Univariant Cox analysis was used to determine the prognostic value of clinical and microsatellite markers. Recursive partitioning trees and Kaplan Meier curves were constructed to create molecular models for both 9p and 3p. Results: Recurrence occurred in 26 or the 71 patients (36.6%) with 18 months median follow-up time (compared with 33 months in non-recurring patients). There were no differences between recurrent and non-recurrent groups for gender, ethnicity, tobacco habit, original diagnosis before treatment and histology of target biopsy (P>0.05). RR was significantly increased for cases with LOH at 9p, 3p, 8p, 13q and 17p (P<0.05) but not with 4q or 11q. Chromosomal loss of 3 or more arms had a 6.2-fold increase in recurrence risk. LOH at 9p and 3p increased the risk by 4.2- and 3.8-fold, respectively (Pα0.001) with LOH at both 9p and 3p having a RR of 7.1-fold (Pα0.001). 9p retention was the best independent negative predictor for disease recurrence. Conclusion: The study confirmed the value of microsatellite LOH markers in predicting oral cancer recurrence. The microsatellite markers could serve as an additional prognostic tool to better categorize future oral cancer patients into various risk groups. (Sponsored by NIH/NIDCR grants R01DE13124 and R01DE17013) Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 103rd Annual Meeting of the American Association for Cancer Research; 2012 Mar 31-Apr 4; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2012;72(8 Suppl):Abstract nr 3567. doi:1538-7445.AM2012-3567
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».