MétaCan
Menu
Retour à la cohorte
Enregistrement W2743126299 · doi:10.1590/s0100-736x2017000400010

Comparação de duas classificações histopatológicas com o padrão de imuno-marcação para KIT, a avaliação da proliferação celular e com a presença de mutações no c-KIT de mastocitomas cutâneos caninos

2017· article· pt· W2743126299 sur OpenAlexaboutno aff
Anna Paula Martins de Carvalho, Eulógio Carlos Queiroz de Carvalho, Andrígo Barboza De Nardi, Leonardo Serafim da Silveira

Notice bibliographique

RevuePesquisa Veterinária Brasileira · 2017
Typearticle
Languept
DomaineMedicine
ThématiqueVeterinary Oncology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyMolecular biologyPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

RESUMO: A graduação histopatológica é o método de eleição para prever o comportamento biológico do mastocitoma e, atualmente, são utilizados os métodos de Patnaik e de Kiupel para dividi-los em graus de malignidade. O objetivo do presente trabalho foi comparar as duas classificações histológicas com as variáveis clínicas, os marcadores imuno-histoquímicos e com a presença de mutações para verificar as características que estão mais relacionadas entre si e com os piores prognósticos. Foram avaliados 61 animais, levando em consideração o sexo, a raça, a idade, a localização tumoral, o grau tumoral pelas classificações de Patnaik e Kiupel, a infiltração de eosinófilos, a marcação do KIT e do Ki-67 e a presença de mutação. As variáveis foram correlacionadas utilizando os testes de qui-quadrado, teste de Fisher, teste de verossimilhança e o teste de risco relativo. Os animais idosos foram os mais acometidos, enquanto os animais sem raça definida e os das raças Boxer, Labrador e Pinscher foram aqueles com maior predisposição ao desenvolvimento tumoral. A localização e a idade estão associadas ao grau tumoral. Os tumores em cabeça, pescoço e região genital têm 10 vezes mais chance de serem classificados como de alto grau (RR=10,667; IC95% 1,909-59,615, p=0,004) e os idosos oito vezes mais chance (RR=8,00; IC95% 0,955-67,009; p=0,029). Os tumores de grau II e os de baixo grau foram os mais encontrados e as duas classificações histológicas demonstram correlação muito significativa entre si (p<0,001). A concentração do infiltrado eosinofílico não demonstrou correlação significativa com nenhuma das classificações histológicas. O padrão KIT foi dependente da localização tumoral (p=0,015), já que os tumores genitais, na cabeça e no pescoço possuíam 18 vezes mais chance de apresentarem padrão citoplasmático (RR=18,571; IC95% 1,954-176,490; p=0,003), e das classificações de Patnaik (p=0,001) e Kiupel (p<0,001), sendo que os tumores de alto grau têm 36 vezes mais chance de apresentarem padrão citoplasmático (RR=36,00, IC95% 4,35-297,948; p<0,001). A marcação do Ki-67 demonstrou dependência da localização (p=0,024). A presença de mutação no exon 11 do domínio justamembrana não demonstrou associação com nenhuma das variáveis clínicas, das classificações histológicas, da concentração de eosinófilos e do padrão KIT. A presença da mutação foi correlacionada significativamente apenas ao Ki-67 (p=0,010). Os resultados obtidos sugerem que a localização é a variável clínica mais relacionada ao prognóstico e que apenas a classificação de Kiupel associada à imuno-histoquímica são eficientes para avaliar o comportamento tumoral.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,237
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0020,001
Science ouverte0,0060,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,396
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePesquisa Veterinária BrasileiraMême sujetVeterinary Oncology ResearchTravaux en français237 207