Expression of p63 Protein to Differentiate Benign Prostatic Hyperplasia and Carcinoma of Prostate in Pakistani Population
Notice bibliographique
Résumé
AbstractBackground: Prostate cancer is the world’s foremost and second cause of cancer associated death typically in males after lung cancer. Histopathological diagnosis of prostatic hyperplasia and prostatic carcinoma can be challenging. The expression of p63 can be used in diagnosis and differentiation of benign pro-static hyperplasia from carcinoma of prostate.Materials and Methods: We studied sixty prostatic biopsies obtained by TURP and radical prostatectomy. For each case, clinical data was collected. The tissue sections were then diagnosed on basis of routine hematoxylin and eosin. Then immunohistochemical (IHC) analysis was performed on routinely processed, forma-lin-fixed, paraffin embedded tissue. We also analyzed P63 expression in regions of benign prostatic hyperplasia and prostatic adenocarcinoma. Moreover, detailed examination of tissue sections was observed with light microscopy.Results: Mean age of patients with adenocarcinoma was 70 ± 12 years however mean age in prostate hyperplasia cases was 66 ± 8 years. With the use of Receiver Operative Characteristic Curve (ROC), the optimal cut point found of PSA was 30.0ng/ml. The results showed that prostate specific antigen (PSA) at this cutoff had a sensitivity of 71.4%, with specificity of 74.4% and accuracy of 73.3%. So PSA could not be considered reliable independently for the diagnosis of carcinoma of prostate. Benign cases in the present study were exclusively positive for immunohistoche-mical expression of p63 while all the cases of prostatic carcinomas expressed negative pattern of staining.Conclusion: Immunostaining with p63 is useful to differentiate benign prostatic hyperplasia from pro-static carcinoma, so it may be used as valuable tool in the diagnosis of prostatic carcinoma.
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) | 0,002 | 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 ».