Association between Molecular Subtypes and Survival in Patients with Breast Cancer
Notice bibliographique
Résumé
Background: Aim of this study is to classify intrinsic subtypes and evaluate the differences in clinical/pathological characteristics and survival outcomes among the molecular types. Patients and Methods: Breast cancer subtypes were classified according to the 2013 St. Gallen Consensus. Five molecular subtypes were determined, Luminal A, Luminal B-like HER2 negative, Luminal B-like HER2 positive, HER2 positive, and triple negative. Data was obtained from the records of patients with invasive breast cancer retrospectively. The differences in clinical/pathological parameters, overall survival and disease-free survival among the molecular subtypes were analyzed. The Kaplan-Meier method, log-rank test and Cox regression tests were used to compare groups. Results: The median follow-up period is 48 months. The Luminal B-HER2 negative was the most prevalent type (26.6%). Patient demographics, tumor characteristics and survival data were analyzed. The Luminal A and Luminal B-HER2 negative subtypes had significantly higher overall survival and disease-free survival rates. Multivariate Cox analysis revealed that tumor stage, more than 3 positive axillary lymph node involvement, and breast cancer subtype as significant factors for overall survival and disease-free survival (p<0.05). Triple Negative subtype had a higher relative hazard of local recurrence and distant metastasis (HR=2.69, 95% CI=1.47; 4.95). Conclusions: Breast cancer subtype has significant impact on overall survival and disease-free survival rates. While Luminal A and luminal B HER2 negative subtypes have better outcome, triple negative and HER2- subtypes remain poor.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».