<i>EGFR</i> Mutation Detection and Its Association With Clinicopathological Characters of Lung Cancer Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Lung cancer is the most common type of cancer worldwide with an estimation of 1.82 million new cancer cases diagnosed; and it is the leading cause of cancer-related deaths. Epidermal growth factor receptor (EGFR) is a receptor tyrosine kinase identified as being highly expressed in cancer cells including lung cancers. The aim of the study is to determine the EGFR mutation status in non-small cell lung cancer (NSCLC) patients to investigate the association between the EGFR mutation status and clinicopathological characters of patients. Methods: The tissue samples of the lung cancer patients were collected bronchoscopically. The EGFR mutations of 70 NSCLC patients were determined by the immunohistochemistry (IHC). Results: EGFR mutations were present in 24 cases (34.29%), including 19 (79.13%) cases of exon 19 and five (20.83%) cases of exon 21 mutation. EGFR mutations were frequently associated with adenocarcinoma and non-smoker. Statistically significant association of EGFR mutations with adenocarcinoma subtypes and non-smokers was found (P < 0.05); and no significant association of EGFR mutation with the age of the patient (P = 0.4647) and the stage (P = 0.4578) of the tumor was found. When we compared between these two mutations, no significant association with age (P=0.614) and smoking status (P=0.127) was found in this study. Conclusions: EGFR mutations were significantly associated with female sex, non-smoker and adenocarcinoma subtypes. The analysis of EGFR mutation by the IHC method is a potentially useful tool to guide clinicians for personalized treatment of NSCLC patients of adenocarcinoma subtype. World J Oncol. 2018;9(5-6):151-155 doi: https://doi.org/10.14740/wjon1167 Â
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.
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 découle