Effect of estrogen and progesterone receptor expression on progression-free and overall survival outcomes in low-grade serous ovarian cancer.
Notice bibliographique
Résumé
5560 Background: Research on ER/PR receptor function in low-grade serous ovarian cancer (LGSC) and the determinants of response to treatment are lacking. A recent study (Sehouli et al.,2018) described ER/PR immunohistochemistry (IHC) cut-points that distinguished PFS. Thus, we report on a group of patients with ER/PR expression by IHC in tumor samples of patients with LGSC and used this information to evaluate survival outcomes. Methods: Clinical information and FFPE sections were obtained from the Canadian Ovarian Experimental Unified Resource (COEUR). Tissue microarray (TMA) sections were stained for ER/PR using standard IHC techniques (MK). 50 stage 3 and 5 stage 4 patients were analyzed. ER/PR expression was scored using a simple scoring system ( < 1% cells staining, 1-50%, and ≥ 50%) and Allred scoring. We compared Kaplan-Meier (KM) survival (PFS and OS) curves using Log rank testing and Cox regression was used to model predictive/prognostic factors. A p-value of 0.05 was considered significant. Results: The mean age of the population was 49.5 years (SD;13.7). Ninety percent of patients were treated by surgery followed by platinum-based chemotherapy (PBC). Simple scoring did not discriminate outcomes as well for ER levels. PR Allred score ( < 2, vs 2- < 6 vs ≥6) clearly discriminated KM curves for PFS (p = 0.036) and OS (p = 0.01). For Allred ER score ( < 7 vs.7- < 8 vs 8) did not distinguish PFS (p = 0.4) but notably most patients received PBC after surgery. ER Allred score significantly distinguished OS (p = 0.008). Significant factors on Cox regression for PFS were residuum (p = 0.008;95%CI:1.2-3.1) and PR (p = 0.05;95%CI:0.39-0.99), whereas for OS ER(p = 0.01:95%CI:0.2-0.8) and residuum (p = 0.04;95%CI:1-2.8). Conclusions: ER/PR expression by Allred scoring was associated with PFS and OS. Patients will benefit from much needed research on ER/PR prediction/prognosis in LGSC. This work can inform clinical trials selection/stratification and patient selection for endocrine treatment.
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 | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».