Precision Medicine and Pancreatic 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
OBJECTIVES: There is a need for validated predictive markers of gemcitabine response to guide precision medicine treatment in pancreatic cancer. We previously validated human equilibrative nucleoside transporter 1 as a predictive marker of gemcitabine treatment response using Radiation Therapy Oncology Group 9704. Controversy exists about the predictive value of gemcitabine metabolism pathway biomarkers: deoxycytidine kinase (DCK), ribonucleotide reductase 1 (RRM1), RRM2, and p53R2. METHODS: Radiation Therapy Oncology Group 9704 prospectively randomized 538 patients after pancreatic resection to receive either 5-fluorouracil or gemcitabine. Tumor DCK, RRM1, RRM2, and p53R protein expressions were analyzed using a tissue microarray and immunohistochemistry and correlated with treatment outcome (overall survival and disease-free survival) by unconditional logistic regression analysis. RESULTS: There were 229 patients eligible for analysis from both the 5-fluorouracil and gemcitabine arms. Only RRM2 protein expression, and not DCK, RRM1, or p53R2 protein expression, was associated with survival in the gemcitabine treatment arm. CONCLUSIONS: Despite limited data from other nonrandomized treatment data, our data do not support the predictive value of DCK, RRM1, or p53R2. Efforts should focus on human equilibrative nucleoside transporter 1 and possibly RRM2 as valid predictive markers of the treatment response of gemcitabine in pancreatic cancer.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,003 | 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