Pathologic characteristics of breast cancer with special emphasis on prevalence of triple-negative breast cancer from Kenya: A 4-year experience.
Notice bibliographique
Résumé
35 Background: Previous sub classification of breast cancer in Kenya has been fraught by small sample size, non uniform staining methodology and lack of independent review. Triple Negative Breast Cancer (TNBC) is a “special interest” cancer since it represents a significant proportion of breast cancer patients and is associated with a poorer prognosis. We aimed to determine the estrogen receptor (ER), progesterone receptor (PR) and Her2/neu receptor characteristics of breast cancers and the prevalence of TNBC diagnosed at Aga Khan University Hospital, Nairobi (AKUHN) between 2007 to date. Methods: Slides and blocks of archived invasive breast cancers diagnosed at AKUHN were identified, retrieved and reviewed by two independent pathologists. Histological type, grade and pathological stage were documented. Representative sections from available blocks were stained for ER, PR, Her2 with appropriate internal controls. Scores for ER/PR were interpreted based on the ALLRED system, Her2 /neu scoring followed CAP guidelines. The initial 111 cases were validated and confirmed at Sunnybrook Health Sciences Centre, Toronto. Results: 456 cases of invasive breast cancers were diagnosed at AKUHN during the study period. 91% of cases were invasive ductal carcinomas (NOS).The rest were special types. 37% of the tumors were grade 3 and 63% were grade 2. Blocks for 318 of 456 cases were available for receptor analysis. 54% were ER and/or PR positive, with 52% of these in women < 50 yrs. 86% of the ER and/or PR positive tumors were grade 2. Only 12% were Her2/neu positive. Of the 318 cases studied, 111 (32%) were identified as TNBC. Median age was 53 yrs. 88% were grade 3. Conclusions: Invasive ductal carcinoma (NOS) was the most common breast cancer in our study. Nearly half of our cases were ER and/or PR positive and a third were TNBC. Both occurred predominantly in women less than 50 yrs. This represents the largest validated pathologic sub classification of breast cancer from a tertiary academic hospital in Kenya. Expansion of this study to encompass all breast cancers diagnosed in Kenya is underway.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».