Notice bibliographique
Résumé
Lung cancer is generally treated with conventional therapies, including chemotherapy and radiation. These methods, however, are not specific to cancer cells and instead attack every cell present, including normal cells. Personalized therapies provide more efficient treatment options as they target the individual's genetic makeup. The goal of this study was to identify the frequency of causal genetic mutations across a variety of lung cancer subtypes in the earlier stages. 833 samples of non-small cell lung cancer from 799 patients who received resection of their lung cancer, were selected for molecular analysis of six known mutations, including EGFR, KRAS, BRAF, PIK3CA, HER2 and ALK. A SNaPshot assay was used for point mutations and fragment analysis searched for insertions and deletions. ALK was evaluated by IHC +/- FISH. Statistical analysis was performed to determine correlations between molecular and clinical/pathological patient data. None of the tested variants were identified in most (66.15%) of cases. The observed frequencies among the total samples vs. only the adenocarcinoma cases were notable different, with the highest frequency being the KRAS mutation (24.49% vs. 35.55%), followed by EGFR (6.96% vs. 10.23%), PIK3CA (1.20% vs. 0.9%), BRAF (1.08% vs. 1.62%), ALK (0.12% vs. 0.18%), while the lowest was the HER2 mutation (0% for both). The statistical analysis yielded correlations between presence of a mutation with gender, cancer type, vascular invasion and smoking history. The outcome of this study will provide data that helps stratify patient prognosis and supports development of more precise treatments, resulting in improved outcomes for future lung cancer patients.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».