High preoperative plasma vasohibin‐1 concentration predicts better prognosis in patients with non–small cell lung carcinoma
Notice bibliographique
Résumé
BACKGROUND AND AIM: Vasohibin-1 (VASH1) is an angiogenesis inhibitor synthesized and secreted by endothelial cells, whose expression is induced by angiogenic stimuli such as vascular endothelial growth factor. We have previously demonstrated that VASH1 is immunohistochemically evident in endothelial cells in the tumor microenvironment of patients with non-small cell lung cancer (NSCLC) and is positively correlated with that of vascular endothelial growth factor in cancer cells. Here, we determined the preoperative plasma concentration of VASH1 in patients with NSCLC and evaluated the association between the preoperative VASH1 levels and certain outcomes. METHODS: We analyzed presurgical plasma VASH1 concentrations in a total of 79 lung cancer patients (51 males and 28 females; 34-83 y of age; 46 adenocarcinomas, 27 squamous cell carcinomas, and 6 other types) who underwent lung resection. The impact of preoperative VASH1 level was analyzed using clinical characteristics and prognosis. RESULTS: Plasma VASH1 concentration ranged from 34.1 to 1190.4 fmol/mL. We divided the patients into 3 groups according to plasma VASH1 level for this assessment: low VASH1 group (n = 26), medium VASH1 group (n = 27), and high VASH1 group (n = 26). The death and recurrence rates of the high, medium, and low VASH1 groups were 5.5, 16.2, and 12.7 per 100 person-years, respectively. Multivariate adjusted hazard ratio of death and recurrence of the high VASH1 group was lower than that of the low VASH1 group (hazard ratio 0.42; 95% CI 0.17-0.99). CONCLUSION: The present analysis suggests that high preoperative plasma VASH1 concentration is associated with better prognosis in patients with NSCLC. We propose preoperative VASH1 level as a biomarker for the prognosis of patients with non-small cell lung 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 | 0,000 | 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) | 0,002 | 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 ».