PTEN expression is a prognostic marker for patients with non-small cell lung cancer: a systematic review and meta-analysis of the literature
Notice bibliographique
Résumé
// Jian Xiao 1 , Cheng-Ping Hu 2 , Bi-Xiu He 1 , Xi Chen 2 , Xiao-Xiao Lu 1 , Ming-Xuan Xie 1 , Wei Li 1 , Shu-Ya He 3 , Shao-Jin You 4 , Qiong Chen 1 1 Department of Geriatrics, Respiratory Medicine, Xiangya Hospital of Central South University, Changsha 410008, China 2 Department of Respiratory Medicine, Xiangya Hospital of Central South University, Changsha 410008, China 3 Department of Biochemistry and Biology, University of South China, Hengyang 421001, China 4 Laboratory of Cancer Experimental Therapy, Atlanta Research and Educational Foundation (151F), Atlanta VA Medical Center, Decatur, GA 30033, USA Correspondence to: Qiong Chen, email: qiongch@163.com Keywords: non-small cell lung cancer, NSCLC, PTEN, disease free survival, DFS Received: June 07, 2016 Accepted: July 20, 2016 Published: August 05, 2016 ABSTRACT Phosphatase and tensin homolog deleted on chromosome 10 (PTEN) is a known tumor suppressor in non-small cell lung cancer (NSCLC). By performing a systematic review and meta-analysis of the literature, we determined the prognostic value of decreased PTEN expression in patients with NSCLC. We comprehensively and systematically searched through multiple online databases up to May 22, 2016 for NSCLC studies reporting on PTEN expression and patient survival outcome. Several criteria, including the Newcastle-Ottawa Quality Assessment Scale (NOS), were used to discriminate between studies. In total, 23 eligible studies with a total of 2,505 NSCLC patients were included in our meta-analysis. Our results demonstrated that decreased expression of PTEN correlated with poor overall survival in NSCLC patients and was indicative of a poor prognosis for disease-free survival and progression-free survival in patients with NSCLC.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,026 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».