The Magnitude of Androgen Receptor Positivity in Breast Cancer Is Critical for Reliable Prediction of Disease Outcome
Notice bibliographique
Résumé
Abstract Purpose: Consensus is lacking regarding the androgen receptor (AR) as a prognostic marker in breast cancer. The objectives of this study were to comprehensively review the literature on AR prognostication and determine optimal criteria for AR as an independent predictor of breast cancer survival. Experimental Design: AR positivity was assessed by immunostaining in two clinically validated primary breast cancer cohorts [training cohort, n = 219; validation cohort, n = 418; 77% and 79% estrogen receptor alpha (ERα) positive, respectively]. The optimal AR cut-point was determined by ROC analysis in the training cohort and applied to both cohorts. Results: AR was an independent prognostic marker of breast cancer outcome in 22 of 46 (48%) previous studies that performed multivariate analyses. Most studies used cut-points of 1% or 10% nuclear positivity. Herein, neither 1% nor 10% cut-points were robustly prognostic. ROC analysis revealed that a higher AR cut-point (78% positivity) provided optimal sensitivity and specificity to predict breast cancer survival in the training (HR, 0.41; P = 0.015) and validation (HR, 0.50; P = 0.014) cohorts. Tenfold cross-validation confirmed the robustness of this AR cut-point. Patients with ERα-positive tumors and AR positivity ≥78% had the best survival in both cohorts (P < 0.0001). Among the combined ERα-positive cases, those with comparable or higher levels of AR (AR:ERα-positivity ratio >0.87) had the best outcomes (P < 0.0001). Conclusions: This study defines an optimal AR cut-point to reliably predict breast cancer survival. Testing this cut-point in prospective cohorts is warranted for implementation of AR as a prognostic factor in the clinical management of breast cancer. Clin Cancer Res; 24(10); 2328–41. ©2018 AACR.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».