MétaCan
Menu
Retour à la cohorte
Enregistrement W2809234664 · doi:10.1093/neuonc/noy059.228

EPEN-28. HETEROGENEITY WITHIN THE PFB EPENDYMOMA SUBGROUP

2018· article· en· W2809234664 sur OpenAlexaff
Florence M.G. Cavalli, Jens-Martin Hübner, Tanvi Sharma, Martin Sill, Betty Luu, Michal Zápotocký, Andrey Korshunov, Stefan M. Pfister, Kristian W. Pajtler, Michael D. Taylor, Kenneth Aldape, Marcel Kool, Vijay Ramaswamy

Notice bibliographique

RevueNeuro-Oncology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensPrincess Margaret Cancer CentreHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésProportional hazards modelOncologyInternal medicineSurvival analysisMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Posterior fossa ependymoma comprise two distinct molecular groups, termed EPN_PFA and EPN_PFB. Clinically they are very disparate and EPN_PFB are currently being explored for de-escalation of therapy. However, to move forward, a risk stratification within EPN_PFB would be highly desirable. To discern the molecular heterogeneity within EPN_PFB, we performed an integrated analysis consisting of DNA methylation profiling, copy number profiling and clinical correlation across a cohort of 217 primary EPN_PFB. DNA methylation data were analyzed using various methods including spectral clustering, unsupervised consensus clustering and t-distributed stochastic neighbor embedding analysis. The integrated analyses revealed four distinct subgroups with distinct age distributions, copy number alterations, and survival rates. 1q gain was strongly enriched for one of the subgroups and is associated with a worse progression free survival. A univariable analysis revealed that 1q gain, incomplete resection and no upfront radiation were significant predictors of poor progression free survival, and in a multivariable cox regression model, 1q gain was a highly predictive marker of 5 and 10 year progression free survival (HR 3.534 95% CI 1.59–7.87). There is significant intertumoral heterogeneity within EPN_PFB, revealing at least four distinct molecular subgroups. Identification of these subgroups may lead to a better understanding what is driving these tumors. The biological heterogeneity must be accounted for in future pre-clinical modeling and personalized therapies. 1q gain is a significant risk factor of poor progression free survival in EPN_PFB and may represent a prognostic marker in future trials of de-escalation of therapy for EPN_PFB.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,330
Écart entre enseignants0,308 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207