Predicting OncoDX Recurrence Scores With Immunohistochemical Markers
Notice bibliographique
Résumé
Recent reports suggest that immunohistochemistry (IHC) markers can be used to give prognostic information in breast cancer that is similar to that contained in the Genomic Health Inc. OncoDX recurrence score (Onco-RS). Our own previous work confirmed that an IHC model based on estrogen receptor (ER), progesterone receptor (PR), and Ki67 predicts 62% of the Onco-RS variability. Other markers used in the Onco-RS include proteins thought to increase tumoral invasive potential, and one such marker is matrix metalloproteinase-11, also called stromelysin 3 (ST3). The goal of this study is to examine the additional value of including ST3 in an IHC-based model that also includes ER, PR, and Ki67 in predicting the Onco-RS, as compared with an IHC model based only on ER, PR, and Ki67 (IHC-RS). The patient population consists of a retrospectively identified cohort of 91 women with ER-positive, HER2neu-negative breast cancer who completed OncoDX testing. Using stepwise multiple regression incorporating Ki67 percentage and semiquantitative ER, PR, and ST3 scores, the ST3 score was not statistically significant.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».