MétaCan
Menu
Retour à la cohorte
Enregistrement W2918002695 · doi:10.5376/cge.2018.06.0001

Biomarker Alteration to Neoadjuvant Chemotherapy Predict Pathological Response and Prognosis in Breast Cancer Patients

2018· article· en· W2918002695 sur OpenAlexvenueno aff
Yue Zhao, Dongwei Zhang

Notice bibliographique

RevueCancer Genetics and Epigenetics · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineChemotherapyBreast cancerOncologyPathologicalInternal medicineBiomarkerGrading (engineering)Neoadjuvant therapyCancerBiology

Résumé

récupéré en direct d'OpenAlex

Background: The values of biomarkers expression might be changed following neoadjuvant chemotherapy (NACT), but little is known about the change range and its relationship to prognosis. This study aimed to investigate the potential changes of biomarkers expression before and after neoadjuvant chemotherapy, then predicting the pathological response and prognosis to NACT. Methods: A total of 119 patients who were initially diagnosed of breast cancer and underwent neoadjuvant chemotherapy were included in the study. Miller-Payne grading system was used to evaluate the pathologic response after neoadjuvant chemotherapy. Survival curves were estimated using the Kaplan-Meier method, and the log-rank test was used to test for differences between groups. Results: The high expression of ER, PR and Ki67 pre-NACT, the biomarkers expression post-NACT is also high (All P values <0.05). We found that the change of biomarkers expression before and after chemotherapy were all considered as medium changes (range between 10 to 30), while only PR expression change after NACT were associated with distant disease-free survival ( P <0.001) and overall survival ( P =0.031,6). PR expression also related to pathologic response ( P =0.028) but not ER, HER2 and Ki-67. Furthermore, a total of 67 down regulated of Ki67 expression compared with 37 up regulated expression, the results showed that decreasing expression of Ki67 had fewer local recurrence compared with Ki67 increasing expression after NACT. Conclusions: Our research have provided the prognostic value of biomarkers expression change following the neoadjuvant chemotherapy. These findings might help optimize the choice of targeted therapy and improve the predictive effect to patient survival.

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 enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,283
Écart entre enseignants0,271 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Genetics and EpigeneticsMême sujetBreast Cancer Treatment StudiesTravaux en français237 207