Toward Biological Subtyping of Papillary Renal Cell Carcinoma With Clinical Implications Through Histologic, Immunohistochemical, and Molecular Analysis
Notice bibliographique
Résumé
Papillary renal cell carcinoma (PRCC) has 2 histologic subtypes. Almost half of the cases fail to meet all morphologic criteria for either type, hence are characterized as PRCC not otherwise specified (NOS). There are yet no markers to resolve the PRCC NOS category. Accurate classification can better guide the management of these patients. In our previous PRCC study we identified markers that can distinguish between the subtypes. A PRCC patient cohort of 108 cases was selected for the current study. A panel of potentially distinguishing markers was chosen from our previous genomic analysis, and assessed by immunohistochemistry. The panel exhibited distinct staining patterns between the 2 classic PRCC subtypes; and successfully reclassified the NOS (45%) cases. Moreover, these immunomarkers revealed a third subtype, PRCC3 (35% of the cohort). Molecular testing using miRNA expression and copy number variation analysis confirmed the presence of 3 distinct molecular signatures corresponding to the 3 subtypes. Disease-free survival was significantly enhanced in PRCC1 versus 2 and 3 (P=0.047) on univariate analysis. The subtypes stratification was also significant on multivariate analysis (P=0.025; hazard ratio, 6; 95% confidence interval, 1.25-32.2). We propose a new classification system of PRCC integrating morphologic, immunophenotypical, and molecular analysis. The newly described PRCC3 has overlapping morphology between PRCC1 and PRCC2, hence would be subtyped as NOS in the current classification. Molecularly PRCC3 has a distinct signature and clinically it behaves similar to PRCC2. The new classification stratifies PRCC patients into clinically relevant subgroups and has significant implications on the management of PRCC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».